孫鵬 馮俊青 邱林江

摘要 作為一種新興農(nóng)業(yè)技術，植保無人機以其高效、精準、靈活等特點在農(nóng)作物疾病和蟲害防治中具有重要意義。綜述了植保無人機精準噴施方法的關鍵技術，包括植保無人機發(fā)展現(xiàn)狀、路徑規(guī)劃算法、噴施器研究和漂移控制。通過對相關文獻的分析和整理，總結了植保無人機路徑規(guī)劃算法的特點和應用情況，重點介紹了經(jīng)典路歸算法、遺傳算法以及蟻群優(yōu)化等元啟發(fā)算法的優(yōu)點和不足，以及噴施器研究和漂移控制研究的進展和挑戰(zhàn)。最后，提出了未來研究的方向和建議，包括改進算法性能、優(yōu)化路徑規(guī)劃策略、提高噴施器的精度和穩(wěn)定性、優(yōu)化漂移控制算法等。旨在為相關研究者提供全面的研究概覽，推動植保無人機精準噴施技術的進一步發(fā)展和應用。

關鍵詞 無人機；植保；路徑規(guī)劃；混藥裝置；漂移控制

中圖分類號 S252 ?文獻標識碼 A ?文章編號 0517-6611（2024）10-0001-05

doi：10.3969/j.issn.0517-6611.2024.10.001

Review of Precision Spraying Methods Using Unmanned Aerial Vehicles in Plant Protection

SUN Peng，F(xiàn)ENG Jun-qing，QIU Lin-jiang

（School of Electrical Engineering，Yancheng Institute of Technology，Yancheng，Jiangsu 224002）

Abstract As an emerging agricultural technology， agricultural drones play a crucial role in disease and pest control due to their efficiency， precision， and flexibility. The review provides a detailed overview of key technologies in precision spraying， including the development status of agricultural drones， path planning algorithms， sprayer design， and drift control. Through analysis and synthesis of relevant literature， the review summarizes the characteristics and applications of path planning algorithms for agricultural drones， with a focus on classical algorithms， genetic algorithms， ant colony optimization， and other metaheuristic algorithms， highlighting their strengths and limitations. It also explores the progress and challenges in sprayer design and drift control research. Finally， the review proposes future research directions and suggestions， such as improving algorithm performance， optimizing path planning strategies， enhancing sprayer accuracy and stability， and refining drift control algorithms. The aim of this review is to provide a comprehensive research overview for scholars in the field， facilitating the further development and application of precision spraying technology in agricultural drones.

Key words UAV;Plant protection;Route planning;Mixing device;Drift control

基金項目 江蘇省研究生創(chuàng)新實踐計劃校級重點項目（SJCX22_XZ011）。

作者簡介 孫鵬（1999—），男，江蘇鹽城人，碩士研究生，研究方向：植保無人機、路徑規(guī)劃。*通信作者，講師，博士，碩士生導師，從事深度學習、無人機以及混藥裝置研究。

收稿日期 2023-06-26

根據(jù)“2050年農(nóng)業(yè)項目”的預測，到2050年，全球人口預計將達到約100億。因此，為滿足日益增長的人口需求，糧食生產(chǎn)必須提高70%［1］。然而，隨著氣候變化和農(nóng)田生態(tài)條件的變遷，農(nóng)業(yè)景觀中害蟲暴發(fā)的頻率與日俱增，給作物生產(chǎn)帶來了越來越大的威脅。目前，農(nóng)藥防治是現(xiàn)代農(nóng)業(yè)不可分割的一部分，據(jù)估計，農(nóng)藥化學防治可以減少世界糧食供應45%的損失［2］。但在傳統(tǒng)背包噴霧器的施藥過程中，經(jīng)常出現(xiàn)農(nóng)藥利用率低下的現(xiàn)象，導致藥效流失至非靶向區(qū)域，造成沉積浪費且污染環(huán)境。同時，根據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計，在人工種植的作物中噴灑殺蟲劑會造成100萬例不良反應。為了降低對人類和環(huán)境的危害，并應對勞動力短缺的問題，噴灑作業(yè)的機械化已勢在必行。此外，與地面植保機械相比，植保無人機可以覆蓋大片農(nóng)田，而不會破壞土壤及作物物理結構。

我國大部分農(nóng)村地區(qū)田地環(huán)境較為復雜，普遍存在樹木、灌木叢、電線桿等障礙物［3］或者混合種植不易噴灑，甚至會有飛鳥的干擾，極有可能引發(fā)墜機事故［4］，這種作業(yè)環(huán)境給植保無人機帶來了極大的不便。為了實現(xiàn)對國內(nèi)復雜作業(yè)環(huán)境的精準噴施，提高農(nóng)作物的產(chǎn)量和質量，該研究通過探討路徑規(guī)劃算法和噴霧技術的研究現(xiàn)狀和存在的問題，提出發(fā)展建議。

旨在深入了解植保無人機精準噴施方法的研究進展，為農(nóng)業(yè)生產(chǎn)提供科學的技術支持，促進我國農(nóng)業(yè)的持續(xù)發(fā)展。

1 植保無人機發(fā)展現(xiàn)狀

隨著科技的不斷發(fā)展，植保無人機技術已經(jīng)逐漸成為現(xiàn)代農(nóng)業(yè)生產(chǎn)的重要組成部分。植保無人機是指通過遙控或自主飛行的方式，利用高精度的遙感和農(nóng)業(yè)信息化技術，實現(xiàn)對農(nóng)田、果園等農(nóng)作物的精準噴施和監(jiān)測。相比傳統(tǒng)的噴灑方式，植保無人機具有噴施量小、噴施精度高、噴施速度快、操作靈活等優(yōu)點，可以有效降低農(nóng)藥的使用量，提高作物產(chǎn)量和品質。

最初，無人機是由飛行員在地面操作的無線電控制設備，然而，現(xiàn)代無人機是基于GPS的自動駕駛飛行器。其基本構成包括飛行控制系統(tǒng)、遙感控制系統(tǒng)、數(shù)據(jù)處理系統(tǒng)等，設備類型的使用則取決于無人機的應用。無人機平臺的3種主要類型是固定翼、直升機和多旋翼［5］。

1.1 固定翼無人機

靠螺旋槳或者渦輪發(fā)動機產(chǎn)生的推力作為飛機向前飛行的動力，主要的升力來自機翼與空氣的相對運動。因此，固定翼無人機必須要有一定的無空氣的相對速度才會有升力來飛行，如圖1（a）。

1.2 直升機

擁有一組水平旋轉的槳葉，并附有一根中央桅桿，用于產(chǎn)生升力和推力。這種類型的無人機如圖1（b）所示。直升機具備垂直起降、前進飛行、后退飛行和懸停在特定位置的能力。這些特點使得直升機能夠在擁擠和偏遠地區(qū)進行飛行，而固定翼飛機則無法勝任。

1.3 多旋翼無人機

多旋翼飛行器通過依靠多個旋翼產(chǎn)生升力以平衡飛行器的重力，從而實現(xiàn)飛行。通過調節(jié)各旋翼的轉速，可以控制飛行器的平穩(wěn)性和姿態(tài)。多旋翼飛行器具備懸停能力，并且能夠在特定速度范圍內(nèi)以任意速度飛行，但速度比較慢，續(xù)航時間短，如圖1（c）所示。

2010—2020年，無人機市場一直由固定翼和直升機占據(jù)主導地位。然而，目前的趨勢是小型無人機在精準農(nóng)業(yè)中的應用重心已經(jīng)轉向多旋翼機。據(jù)統(tǒng)計，多旋翼機已經(jīng)覆蓋了近50%的可用無人機模型［6］。固定翼無人機、直升機和多旋翼飛行器的優(yōu)缺點和在植保領域的應用見表1。

多旋翼植保無人機作為一種新型的農(nóng)業(yè)植保技術，近年來在農(nóng)業(yè)生產(chǎn)中得到廣泛應用，主要體現(xiàn)在以下幾個方面［7］：

首先，植保無人機具備高效精準的噴灑能力。通過先進的傳感器和噴灑設備，植保無人機能夠實現(xiàn)對農(nóng)田的精準噴灑，從而有效控制害蟲和病害的發(fā)生。此外，植保無人機能夠快速覆蓋大面積的農(nóng)田，極大地提升了噴灑效率。

其次，植保無人機的運用能夠有效減少對人工勞動力的需求。傳統(tǒng)的農(nóng)業(yè)植保方法依賴大量的人力投入，而植保無人機通過自主飛行和自動噴灑的方式，降低了對人工勞動力的需求，進而降低了人力成本［8］。

此外，植保無人機的運用還能夠提升農(nóng)業(yè)生產(chǎn)的質量和產(chǎn)量。通過植保無人機的精準噴灑，可有效減少過量噴灑和漏噴的問題，確保植保藥劑的有效利用。同時，考慮到國內(nèi)混合種植的土地情形（圖2～4），植保無人機可以進行有效的植物識別，從而做到分類噴施。且植保無人機能夠及時發(fā)現(xiàn)和控制農(nóng)作物的病蟲害，有效避免病蟲害對農(nóng)作物的損害，從而提高農(nóng)作物的產(chǎn)量和質量［9］。

最后，植保無人機有助于降低農(nóng)業(yè)生產(chǎn)對環(huán)境的影響。傳統(tǒng)的農(nóng)業(yè)植保方法常導致土壤和水源的污染，而植保無人機能實現(xiàn)精準噴灑，減少植保藥劑的浪費和污染，從而保護環(huán)境的可持續(xù)發(fā)展。

綜上所述，植保無人機在農(nóng)業(yè)中的應用具有廣泛的優(yōu)勢和前景，將成為未來農(nóng)業(yè)生產(chǎn)的重要技術手段之一［10］。

2 植保無人機路徑規(guī)劃算法

2020—2023年用于植保無人機定點噴施的路徑規(guī)劃算法使用率見圖5。遺傳算法（GA）是最常見的算法，占21%。蟻群優(yōu)化（ACO）和人工神經(jīng)網(wǎng)絡（ANN）作為較流行的智能算法，分別以16%和15%的比例位居第2和第3，其次是基于學習的方法（由于深度學習技術的進步，越來越多的機器學習算法被用于無人機路徑規(guī)劃）、粒子群優(yōu)化（PSO）和模糊邏輯算法。

2.1 經(jīng)典路歸算法

經(jīng)典路徑規(guī)劃算法是植保無人機路徑規(guī)劃算法中的重要部分，包括最短路徑算法、最優(yōu)路徑算法等。其中，最短路徑算法是最為常見的一種，其通過計算節(jié)點間的距離或代價來確定最短路徑，具有簡單易行、計算速度快等優(yōu)點。常見的最短路徑算法包括Dijkstra算法、Bellman-Ford算法、Floyd算法等。

此外，最優(yōu)路徑算法是指在滿足一定約束條件的情況下，尋找最優(yōu)路徑的算法，常見的最優(yōu)路徑算法包括A*算法、D*算法、RRT算法等。過去的方法，很難確保無人機在飛行中的安全和遇到障礙物時的自動避障，并且往往需要進行大量的數(shù)據(jù)處理。為了提高避障能力和效率，Huang等［11］提出了一種基于A*算法的改進避障方法，通過毫米波雷達和單目相機的融合，建立了時空融合模型并實現(xiàn)了障礙物坐標的提取。該算法優(yōu)化的過程中使用了動態(tài)啟發(fā)式函數(shù)、搜索點優(yōu)化和拐點優(yōu)化的方法，與傳統(tǒng)A*算法對比減少了數(shù)據(jù)處理時間達68.4%、網(wǎng)格搜索次數(shù)達74.9%、轉彎點數(shù)達20.7%，同時路徑長度也略有增加，并且實現(xiàn)了精確定位和高效避障，在農(nóng)業(yè)機械化作業(yè)中具有很大的應用前景。但該項目的改進設備成本過高，且預計軌跡與實際軌跡仍有較大差距。為使植保無人機減少過量噴施的覆蓋率的問題，Tian等［12］提出將改進的A*算法和重力搜索算法相結合，以優(yōu)化全覆蓋往返旋轉路徑規(guī)劃并基于最小的非保障作業(yè)時間規(guī)劃返回點。通過使用基于網(wǎng)格方法來劃分工作區(qū)域來建立環(huán)境模型。該項目提出的創(chuàng)新方法相比較傳統(tǒng)路徑規(guī)劃方法，將非噴灑距離分別減少了23.18%和5.83%，將農(nóng)藥噴灑的過量覆蓋率減少了64.47%。為農(nóng)業(yè)植保路徑規(guī)劃問題提供了一個合理、可行且有用的解決方案。

綜上所述，經(jīng)典路徑規(guī)劃算法是植保無人機路徑規(guī)劃算法的重要組成部分，不同的算法適用于不同的場景和問題，研究人員可以根據(jù)實際情況選擇合適的算法進行路徑規(guī)劃［13］。

2.2 遺傳算法

遺傳算法（genetic algorithm，GA）是一種基于生物進化原理的搜索算法，可用于解決優(yōu)化問題。遺傳算法的基本思想是將問題的解表示為某種編碼形式，如二進制編碼，將其稱為染色體，然后通過模擬自然選擇、交叉和變異等進化操作，不斷更新種群中的個體，最終找到最優(yōu)解。在植保無人機路徑規(guī)劃中，遺傳算法常用于尋找最短路徑或最優(yōu)路徑?？梢酝ㄟ^對路徑進行編碼，如二進制編碼或實數(shù)編碼，將路徑表示為染色體，并通過選擇、交叉和變異等操作，不斷更新種群中的路徑，最終找到最優(yōu)路徑。

Xu等［14］提出一種混合算法，使用多目標跳蛙算法（MOSFLA）和遺傳算法（GA），用于多無人機集群任務分配和排序優(yōu)化。為顯著減少非操作飛行距離和總操作時間，并且可以解決多個UAVs植保操作中的多約束優(yōu)化問題，該研究使用MOSFLA進行多UAVs操作優(yōu)化任務分配，并使用GA進行領域操作排序優(yōu)化，以縮短總操作時間。該研究對多約束優(yōu)化問題具有很好的處理效果，但在動態(tài)時間約束下的多約束優(yōu)化問題仍有待改進。

Liu等［15］為了解決多區(qū)域調度路線規(guī)劃問題，提出了一種無人機（UAV）多茶園植物保護路線規(guī)劃算法，并將其與單一區(qū)域的全覆蓋噴灑路線方法相結合，該算法結合了動態(tài)遺傳算法和螞蟻群二進制迭代算法。新算法相比其他仿生算法具有優(yōu)越的性能和準確性，并可以縮短設備的飛行范圍，從而降低了利用無人機進行植保的成本。此外，該算法還可以為復雜山地地區(qū)茶葉田的精準種植和保護提供理論支持和實際工具。然而，該算法依舊無法保持多區(qū)域茶葉田的精準種植和植保的效率和準確性。

綜上所述，遺傳算法是一種有效的優(yōu)化算法，可用于解決植保無人機路徑規(guī)劃問題。但在實際應用中，需要根據(jù)具體問題的特點進行參數(shù)設置和優(yōu)化算法的選擇，以獲得更好的優(yōu)化效果［16］。

2.3 蟻群優(yōu)化

蟻群優(yōu)化（ant colony optimization，ACO）是一種基于啟發(fā)式搜索的優(yōu)化算法，模擬了螞蟻在尋找食物時的行為。其核心思想是通過模擬螞蟻在路徑選擇過程中的信息素沉積和揮發(fā)，從而實現(xiàn)全局最優(yōu)解的搜索。為優(yōu)化農(nóng)藥分布同時最小化能源消耗和農(nóng)藥殘留，Gao等［17］提出了一種自適應和快速動態(tài)蟻群優(yōu)化（AFD-ACO）算法，將農(nóng)田區(qū)域細分成網(wǎng)格，并利用ACO的信息素強度指導UAV尋找優(yōu)化路徑。為了解決果園種樹較多導致ACO算法出現(xiàn)局部最優(yōu)解的情況，Tian等［18］提出了對其啟發(fā)式函數(shù)的改進以及多源ACO（MS-ACO）方法，結合角度代價和距離代價對ACO算法的啟發(fā)式函數(shù)進行改進，利用MS-ACO進行多源優(yōu)化處理，在優(yōu)化航跡過程中引入排序優(yōu)化機制。與傳統(tǒng)ACO算法相比，其在減少拐角代價、節(jié)點數(shù)量、能耗和飛行時間等方面表現(xiàn)更為出色，提高了操作效率，但對于植保噴霧在果園中的運用，缺乏適應性且擁有較低的效率，且未考慮不同地形和障礙對方法的影響。

由此可見，蟻群優(yōu)化算法也存在一些問題，例如易陷入局部最優(yōu)解、收斂速度較慢等。因此，在實際應用中需要根據(jù)具體情況進行調整和優(yōu)化，通過不斷的改進，可以進一步提高算法的效率和準確性，實現(xiàn)植保無人機的精準噴施，從而提高農(nóng)業(yè)生產(chǎn)的效益［19］。

2.4 其他元啟發(fā)算法

除了經(jīng)典路徑規(guī)劃算法、遺傳算法和蟻群優(yōu)化以外，還有一些元啟發(fā)算法也可以用于植保無人機路徑規(guī)劃。這些算法通常是基于自然現(xiàn)象或者生物行為的模擬，具有一定的隨機性和全局搜索能力。

其中，模擬退火算法是一種基于隨機化的全局優(yōu)化算法，能夠在搜索過程中接受一定概率的劣解，從而避免陷入局部最優(yōu)解。該算法可以用于植保無人機路徑規(guī)劃中，通過不斷調整路徑，逐步降低路徑長度，得到最優(yōu)路徑［20］。

蜜蜂算法是一種基于蜜蜂的覓食行為的優(yōu)化算法，主要模擬了蜜蜂在尋找花蜜時的選擇和跟隨行為。該算法可以用于植保無人機路徑規(guī)劃中，通過模擬蜜蜂的選擇和跟隨行為，得到最優(yōu)路徑［21］。

以上算法都具有一定的優(yōu)點和局限性，需要根據(jù)實際情況選擇合適的算法進行應用。同時，這些算法也可以結合使用，形成混合算法，以提高路徑規(guī)劃的效率和精度。

總之，其他元啟發(fā)算法為植保無人機路徑規(guī)劃提供了更多的選擇，可以根據(jù)實際情況選擇合適的算法進行應用，以提高植保無人機的噴施效率和精度。

3 植保無人機噴霧技術研究

3.1 噴施器研究

噴施器是植保無人機的核心部件，其噴施效果直接關系到農(nóng)作物的產(chǎn)量。因此，噴施器的研究一直是植保無人機研究的熱點之一［22］。

現(xiàn)有的噴施器主要分為兩類：噴霧式和流量式。噴霧式噴施器通過高速噴射形成細小的液滴，液滴大小和均勻度決定了噴施效果；流量式噴施器則通過調節(jié)流量來實現(xiàn)精準噴施。目前，噴霧式噴施器在植保無人機中應用較為廣泛，但其存在噴灑不均勻、漂移等問題，影響了噴施效果［23］。

為了解決這些問題，相關研究者提出了改進措施。Gong等［24］詳細介紹了液壓噴嘴和旋轉霧化噴嘴，全面比較兩者的噴霧顆粒大小、穩(wěn)定性和可調性。該研究證明了旋轉霧化噴嘴在未來的農(nóng)業(yè)精準噴灑系統(tǒng)中具有廣泛的應用，可以在實時調節(jié)的基礎上進行精準和可變的噴灑。與傳統(tǒng)的液壓噴嘴相比，旋轉霧化噴嘴在噴霧粒徑和穩(wěn)定性方面具有很大優(yōu)勢?？梢匝杆龠m應風速等環(huán)境因素的變化，并監(jiān)測噴霧狀態(tài)和環(huán)境參數(shù)，以實現(xiàn)精確和可變的噴灑。但該研究仍然需要提高噴霧器設計、液滴大小測量和效力評估方法，以實現(xiàn)更好的噴灑效果。周樂等［25］使用在線混合技術分離殺蟲劑和水箱并僅在使用時將2種液體混合，使用水流或液壓泵在線實時混合，采用無人機作為應用載體，配備智能變量應用系統(tǒng)設備，根據(jù)操作需要連續(xù)調節(jié)殺蟲劑流量，同時在線自動混合殺蟲劑和水以實現(xiàn)實時監(jiān)測殺蟲劑液體的化學濃度，并確保噴灑量的一致性。該技術不僅可以實現(xiàn)高效和超低用量的殺蟲劑使用，還可以為大規(guī)模的植物保護和控制提供技術支持，實現(xiàn)現(xiàn)代農(nóng)業(yè)的精準操作。何勇等［26］為解決手動混合農(nóng)藥存在安全風險和環(huán)境污染的問題，提出了一種實時在線混合噴霧系統(tǒng)的設計方案。使用螺旋多孔混合器和圓盤式混合器實現(xiàn)水和農(nóng)藥的實時混合，并利用精確柱塞泵將農(nóng)藥注入噴霧系統(tǒng)。與人工混合獲得的濃度進行對比，HPLC系統(tǒng)測量系統(tǒng)能夠良好地混合，精確地控制水和農(nóng)藥的流量。

除了以上的噴頭及噴施器設計之外，還有一些新型噴施器正在研發(fā)，如超聲波噴施器、電磁波噴施器等，這些噴施器能夠更好地控制液滴大小和均勻度，提高噴施效果。

綜上所述，噴施器是植保無人機的重要組成部分，其噴施效果直接關系農(nóng)作物的生長和產(chǎn)量。當前，噴施技術仍存在一些問題，需要進一步研究和改進。同時，對于噴施器的使用和維護也需要進行規(guī)范和培訓，以確保其正常運行和使用壽命。

3.2 漂移控制研究

植保無人機在噴施農(nóng)藥時，需要精準控制位置和速度，以確保噴霧的均勻性和覆蓋率。然而，由于氣流和風的影響，無人機在飛行時容易發(fā)生漂移，導致噴霧效果不佳。因此，漂移控制技術成為植保無人機研究中的重要方向之一［27］。

漂移控制技術主要包括2個方面：漂移檢測和漂移校正。漂移檢測是指通過傳感器或算法檢測無人機的漂移情況，以便進行校正。常用的漂移檢測方法包括GPS、慣性導航系統(tǒng)、視覺傳感器等。漂移校正是指根據(jù)漂移檢測結果，采取相應的措施來校正無人機的位置和速度。常用的漂移校正方法包括PID控制、模糊控制、自適應控制等。

除了技術手段的不斷改進，漂移控制的實際效果也需要在試驗中進行驗證。一些研究者利用田間試驗來測試漂移控制技術的精度和效率，以便更好地優(yōu)化漂移控制算法和方法。

孫道宗等［28］為探究風速和噴嘴傾斜角對農(nóng)業(yè)噴灑過程中水滴漂移的影響，通過試驗和仿真的手段，探討了風速和噴嘴傾斜角對農(nóng)業(yè)噴灑過程中水滴飄移的影響及控制方法。得出了在不同風速下優(yōu)化噴嘴傾斜角度的方案，使得噴灑效果和漂移控制達到一個較好的平衡。Hu等［29］提出了一種利用無人機（UAV）經(jīng)由無線傳感器網(wǎng)絡（WSN）輔助調整飛行軌跡的方案，用于在精密農(nóng)業(yè)中控制農(nóng)藥飄移。該系統(tǒng)通過從地面無線傳感器網(wǎng)絡收集數(shù)據(jù)來自主地根據(jù)風速和風向調整 UAV 的飛行軌跡，利用深度強化學習和粒子群優(yōu)化2種優(yōu)化算法生成修改后的飛行路線。該方案還開發(fā)了一個簡化的農(nóng)藥液滴飄移模型（包括風速和風向作為參數(shù)），并進行模擬和計算飄移距離。使用基于長短時記憶網(wǎng)絡（LSTM）的風速預測模型和基于遞歸神經(jīng)網(wǎng)絡（RNN）的風向預測模型來解決通信延遲或缺少與地面節(jié)點連接引起的問題。結果表明，WSN輔助的UAV軌跡調整系統(tǒng)能夠為UAV提供實時農(nóng)藥噴霧的準確覆蓋。Chen等［30］研究了航空噴霧領域中噴霧粒子大小對噴灑效果的影響，較之前的研究，更突出地分析了噴霧粒子的大小對于噴霧效果的影響，并驗證了噴霧粒子大小對于噴灑效果的重要性，推薦農(nóng)業(yè)從業(yè)者避免使用小于160 μm的噴霧粒子，避免藥害漂移，但農(nóng)藥的藥害漂移問題依然存在，需要尋求更加合理的噴施方案。

總之，漂移控制技術是植保無人機研究中的一個重要方向，對提高植保無人機的噴施效率和精度具有重要意義。未來，漂移控制技術還需要不斷地完善和優(yōu)化，以滿足不同環(huán)境下的植保需求。

4 存在問題和發(fā)展建議

4.1 植保無人機的局限性

植保無人機是一種新興的農(nóng)業(yè)技術，可以在農(nóng)業(yè)生產(chǎn)中發(fā)揮重要作用。然而，植保無人機目前還存在一些局限性［31］。

首先，植保無人機的作業(yè)范圍有限。由于無人機的電池容量和航程限制，其作業(yè)范圍通常在數(shù)十公頃以內(nèi)，而且需要在較短時間內(nèi)完成作業(yè)，使得植保無人機難以滿足大規(guī)模農(nóng)田的植保需求。

其次，植保無人機的精度有待提高。雖然植保無人機可以通過遙感技術獲取農(nóng)田信息，但是在實際操作中，其精度受到多種因素的影響，如風速、風向、濕度、溫度等。這些因素的變化會導致噴施量和噴施位置的誤差，從而影響植保效果［32］。

此外，植保無人機的成本較高。由于植保無人機需要配備高精度的傳感器和噴施器，以及復雜的導航和控制系統(tǒng)，其成本較傳統(tǒng)植保設備高出很多，使得植保無人機在一定程度上限制了其應用范圍。

綜上所述，植保無人機在應用過程中還存在一些局限性。未來研究應該致力于解決這些問題，以進一步發(fā)揮植保無人機的作用，推動農(nóng)業(yè)的可持續(xù)發(fā)展。

4.2 發(fā)展建議

首先，需要進一步提高植保無人機的精準噴施能力。目前，植保無人機的噴施精度還需要進一步提高，特別是在混合種植農(nóng)田環(huán)境中，如何準確地將農(nóng)藥噴灑到作物上仍然是一個難題。因此，需要加強對植保無人機噴施技術的研究，探索更加精準的噴施方法，提高噴施效率和效果。

其次，需要加強植保無人機的智能化和自主化。目前，植保無人機的控制系統(tǒng)還比較簡單，大多數(shù)需要人工操控。為此，需要加強對植保無人機智能化和自主化技術的研究，實現(xiàn)無人機自主規(guī)劃路徑、自主識別作物和病蟲害等功能。

最后，需要加強植保無人機的安全性和可靠性。植保無人機在高空飛行，如果出現(xiàn)故障或者失控，可能會對人和環(huán)境造成嚴重的危害。因此，需要加強對植保無人機的安全性和可靠性研究，確保無人機的飛行安全和噴施效果。

總之，植保無人機技術是未來農(nóng)業(yè)發(fā)展的重要方向之一，需要加強相關技術的研究，提高植保無人機的工作效率和噴施精度，確保其安全性和可靠性，促進農(nóng)業(yè)的可持續(xù)發(fā)展。

5 展望

植保無人機精準噴施方法是當前農(nóng)業(yè)生產(chǎn)中的熱點研究方向，其應用前景廣闊。然而，目前的研究仍存在一些問題和不足之處，需要進一步深入研究和改進。

首先，目前植保無人機在作物生長過程中的特殊要求方面仍需加強。在作物生長過程中，不同作物的生長環(huán)境和生長周期是不同的，因此需要針對不同的作物進行適度調整。目前，這一問題還沒有得到有效解決。

其次，植保無人機在實際操作中仍存在一定的技術難題。例如，噴施過程中的漂移控制和噴施器的設計等，需要進一步研究和改進。

此外，在植保無人機的路徑規(guī)劃算法方面，目前的算法仍有很大的提升空間。例如，可以結合機器學習和深度學習等技術，提高路徑規(guī)劃的準確性和效率。

綜上所述，未來應該針對植保無人機在作物生長過程中的特殊要求進行更深入的研究，同時加強對噴施過程中的技術難題的探究，以及結合新興技術提高路徑規(guī)劃的準確性和效率。這些研究將有助于推動植保無人機技術的發(fā)展，為農(nóng)業(yè)生產(chǎn)提供更為高效、精準的服務。

參考文獻

［1］ HUNTER M C，SMITH R G，SCHIPANSKI M E，et al.Agriculture in 2050：Recalibrating targets for sustainable intensification［J］.BioScience，2017，67（4）：386-391.

［2］ OERKE E C.Crop losses to pests［J］.The journal of agricultural science，2006，144（1）：31-43.

［3］ 王文杰.基于結構光視覺的植保無人機避障技術研究［D］.杭州：杭州電子科技大學，2018.

［4］ 包志鵬，李梓鍇，李梓菲，等.多旋翼無人機自主巡檢關鍵技術研究［J］.機電信息，2020（18）：85，87.

［5］ HAFEEZ A，HUSAIN M A，SINGH S P，et al.Implementation of drone technology for farm monitoring & pesticide spraying：A review［J］.Information processing in agriculture，2023，10（2）：192-203.

［6］ MARINELLO F，PEZZUOLO A，CHIUMENTI A，et al.Technical analysis of unmanned aerial vehicles（drones）for agricultural applications［J］.Engineering for rural development，2016，15（2）：870-875.

［7］ 歐陽安.我國農(nóng)用無人機產(chǎn)業(yè)發(fā)展現(xiàn)狀及建議［J］.農(nóng)業(yè)工程，2022，12（5）：5-9.

［8］ 陳洪軍.蘋果病害監(jiān)測與模型構建及精準噴施應用技術分析［J］.現(xiàn)代農(nóng)業(yè)科技，2022（5）：74-76.

［9］ 何雄奎.高效植保機械與精準施藥技術進展［J］.植物保護學報，2022，49（1）：389-397.

［10］ 鄧巍，陳立平，張瑞瑞，等.無人機精準施藥關鍵技術綜述［J］.農(nóng)業(yè)工程，2020，10（4）：1-10.

［11］ HUANG X，DONG X Y，MA J，et al.The improved A* obstacle avoidance algorithm for the plant protection UAV with millimeter wave radar and monocular camera data fusion［J］.Remote Sensing，2021，13（17）：1-22.

［12］ TIAN R，CAO M Y，MA F Y，et al.Agricultural UAV path planning based on improved A* and gravity search mixed algorithm［J］.Journal of physics：Conference series，2020，1631：1-9.

［13］ 何雄奎.中國精準施藥技術和裝備研究現(xiàn)狀及發(fā)展建議［J］.智慧農(nóng)業(yè)，2020，2（1）：133-146.

［14］ XU Y，SUN Z，XUE X Y，et al.A hybrid algorithm based on MOSFLA and GA for multi-UAVs plant protection task assignment and sequencing optimization［J］.Applied soft computing，2020，96：1-12.

［15］ LIU Y Y，ZHANG P Y，RU Y，et al.A scheduling route planning algorithm based on the dynamic genetic algorithm with ant colony binary iterative optimization for unmanned aerial vehicle spraying in multiple tea fields［J］.Frontiers in plant science，2022，13：1-15.

［16］ 周婷婷，肖慶剛，杜睿，等.我國棉花脫葉催熟技術研究進展［J］.棉花學報，2020，32（2）：170-184.

［17］ GAO Z K，ZHU J，HUANG H P，et al.Ant colony optimization for UAV-based intelligent pesticide irrigation system［C］//Proceedings of the 2021 IEEE 24th international conference on computer supported cooperative work in design（CSCWD）.Dalian，China：IEEE，2021.

［18］ TIAN H X，MO Z J，MA C Y，et al.Design and validation of a multi-objective waypoint planning algorithm for UAV spraying in orchards based on improved ant colony algorithm［J］.Frontiers in plant science，2023，14：1-14.

［19］ 趙靜，龍騰，蘭玉彬，等.多旋翼無人機近地遙感光譜成像裝置研制［J］.農(nóng)業(yè)工程學報，2020，36（3）：78-85.

［20］ 馬銳.多旋翼無人機在農(nóng)業(yè)生產(chǎn)病蟲害防治的作用及趨勢［J］.農(nóng)機使用與維修，2019（10）：98.

［21］ 徐燕.植保無人機發(fā)展現(xiàn)狀及未來展望［J］.南方農(nóng)業(yè)，2019，13（18）：158，163.

［22］ 宋修鵬，宋奇琦，張小秋，等.植保無人機的發(fā)展歷程及應用現(xiàn)狀［J］.廣西糖業(yè)，2019（3）：48-52.

［23］ 劉向堯，楊登紅，詹家禮.國內(nèi)植保機行業(yè)的研究現(xiàn)狀與展望［J］.貴州農(nóng)機化，2019（1）：11-18，51.

［24］ GONG J Q，F(xiàn)AN W Q，PENG J.Application analysis of hydraulic nozzle and rotary atomization sprayer on plant protection UAV［J］.International journal of precision agricultural aviation，2019，2（1）：26-30.

［25］ 周樂，李廷，周永新.在線混藥技術在植保無人機應用系統(tǒng)設計［J］.機械工程師，2019（6）：7-9.

［26］ 何勇，肖舒裴，方慧，等.植保無人機施藥噴嘴的發(fā)展現(xiàn)狀及其施藥決策［J］.農(nóng)業(yè)工程學報，2018，34（13）：113-124.

［27］ 蔡銀杰，孫娟，丁曉輝，等.我國植保無人機發(fā)展現(xiàn)狀與展望［J］.世界農(nóng)藥，2018，40（6）：15-18，36.

［28］ 孫道宗，占旭銳，劉偉康，等.側風影響下噴頭傾斜角度對霧滴飄移補償［J］.農(nóng)業(yè)工程學報，2021，37（21）：80-89.

［29］ HU J，WANG T，YANG J，et al.WSN-assisted UAV trajectory adjustment for pesticide drift control［J］.Sensors，2020，20（19）：1-27.

［30］ CHEN S D，LAN Y B，ZHOU Z Y，et al.Effect of droplet size parameters on droplet deposition and drift of aerial spraying by using plant protection UAV［J］.Agronomy，2020，10（2）：1-15.

［31］ 袁會珠，薛新宇，閆曉靜，等.植保無人飛機低空低容量噴霧技術應用與展望［J］.植物保護，2018，44（5）：152-158，180.

［32］ 陳盛德.植保無人機在水稻噴施中的霧滴沉積機理及作業(yè)參數(shù)研究［D］.廣州：華南農(nóng)業(yè)大學，2018.