低空感知领域的发展伴随着无人机技术的不断成熟和5G等通信技术的广泛应用。无人机技术从最初的军事应用逐渐扩展到商业、民用领域，而5G技术的高速率、低时延特性则为无人机在低空领域的广泛应用提供了强有力的支持。近年来，随着低空经济的兴起，低空感知技术得到了快速发展，成为推动低空经济发展的重要力量。对于低空场景下的状态分析和解译以及按照客户的需求进行场景对话是我们的目标。 本方案为提升对低空场景下的分析能力，将已有深度学习大模型转换为onnx格式，再转换为om模型部署在Atlas服务器上用于模型推理场景。通过使用ATC工具完成模型转换，使用AscendCL c++/python api完成应用开发，成功将模型部署于服务器，并进行低空场景的分析和解译，也可以使用本地视频推流工具将本地视频推流到Atlas服务器大模型多模态识别。 借助大模型根据需求对拍摄的情况进行场景分析，使用Atlas服务器进行模型推理，极大提升了模型推理速度，满足大批量图片资源的识别检测需求，实现不限于安全帽场景分析的多路视频实时场景分析功能，扩大了使用场景的效率和产品延伸度.