飞行中实时视觉检测
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
hM Grey 是一个面向航空或无人机资产巡检的实时数据处理方案，核心主张是“飞行中处理，而不是飞行后处理”。官网强调传统巡检需要规划、飞行、落地、质检、传输或上传海量数据，再等待数天到数周甚至数月；而 hM Grey 试图在飞行过程中完成采集、处理、检测、分类和报告交付。
从文本看，其能力包括视觉巡检、实时检测、LiDAR，以及传感器融合。对于已知目标，用户可将 KML、KMZ 或 CSV 拖入 Flight Planner，云台会按经纬度寻找目标；对于未知结构位置，系统使用机器学习目标检测算法识别目标、记录位置并捕获图像。报告可在飞机仍在飞行时生成，若发现用户定义为紧急或关键的问题，还可自动生成报告并发送给资产管理团队。
官网正文未披露定价模式、授权方式、免费试用或报价流程，也没有说明是硬件、软件、服务项目还是整套解决方案交付。因此采购前需要进一步确认部署成本、飞机/传感器适配、维护费用和服务边界。
优点是定位清晰：把巡检后处理前移到飞行中，理论上可减少数据上传和人工复核等待，尤其适合对关键缺陷响应时间敏感的场景。其对已知坐标与未知目标两类流程都有覆盖，并结合相机、LiDAR和机器学习检测。
局限也比较明显：网站未给出模型类型、检测精度、缺陷类别、误报漏报率、真实案例、数据隐私、API集成和合规说明。所谓“报告落地前生成”的效果还取决于机载算力、通信链路、传感器质量和现场环境，这些细节均未披露。
更适合电力、能源、交通、工业设施等需要航空巡检的大型资产运营方，以及已有无人机/载人航空巡检能力、希望提升实时分析效率的团队。中国访问情况未知；支付方式也未说明。若在中国落地，还需重点评估网络传输、空域与测绘合规、本地化支持，以及是否存在本土无人机巡检与视觉识别方案可替代。
本测评基于公开资料整理,不构成购买建议,请以 hmgrey.com 官网实际信息为准。
结合LiDAR与传感器融合，技术参考价值高。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。