1、希望解决的主要技术：针对复杂环境下目标侦察效率低的问题，突破复杂场景目标威胁评估等关键技术，开展实际样机典型场景下的考核验证试验，实现侦察装备对复杂环境的快速适应，有效提升观察效率。
2、需求提出背景及主要应用领域方向:目前的侦察装备主要采用传统侦察方式，在目标确认和毁伤评估环节缺乏专业支撑装备，主要依靠引导员主观判断来完成。受环境复杂度，天候气象，人眼分辨极限阈值甚至人员身心状况等因素，打击目标的确认和打击效果判断有可能会出现滞后或错误的情况，严重制约整体效果。采用数据挖掘和深度学习、多属性决策和综合评估，能够自动发现可疑目标并根据目标状态给出威胁等级的推测，辅助人员做出更加快速准确的判断，以便做出快速的决策。
国内多个高校和企业均开展了相关研究，能够满足初步的自主识别和简单分类需求，并未完全实现复杂场景下稳定的侦察、评估能力。在快速发展的硬件算力和软件逻辑的支持下，现代侦测装备应具备自动发现目标、评估威胁等级并核查打击效果的能力，以便作战人员做出快速的决策，可应用于各类无人侦察装备具有较好的社会、军事效益和广泛的应用前景。
3、技术难点：随着假想冲突范围的扩大，除了自然物体、也存在人造伪装的干扰，需要高效完成对威胁目标的发现、识别和评估，为下一步行动计划制定提供快速的信息参考。
该需求的难点为，解决低观测视角小微尺度目标可靠检测，综合考虑多层级威胁建立科学的目标威胁等级评估体系，通过精准特征分析实现毁伤程度精确评估等。
4、对主要技术指标、成本、周期等有关要求：使样机具备对车辆、人员目标的自动识别能力，能够对识别目标的威胁等级和毁伤程度进行评估，并实现数据可视化;在复杂场景下，对车辆目标(4.6米x2.3 米)的自动识别距离不小于2千米，识别概率优于90%;威胁等级评估体系分级不小于三级评估准确率优于 80%。