植保无人机精准喷施方法研究综述

摘要 作为一种新兴农业技术，植保无人机以其高效、精准、灵活等特点在农作物疾病和虫害防治中具有重要意义。综述了植保无人机精准喷施方法的关键技术，包括植保无人机发展现状、路径规划算法、喷施器研究和漂移控制。通过对相关文献的分析和整理，总结了植保无人机路径规划算法的特点和应用情况，重点介绍了经典路归算法、遗传算法以及蚁群优化等元启发算法的优点和不足，以及喷施器研究和漂移控制研究的进展和挑战。最后，提出了未来研究的方向和建议，包括改进算法性能、优化路径规划策略、提高喷施器的精度和稳定性、优化漂移控制算法等。旨在为相关研究者提供全面的研究概览，推动植保无人机精准喷施技术的进一步发展和应用。

关键词 无人机；植保；路径规划；混药装置；漂移控制

中图分类号 S252  文献标识码 A  文章编号 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，FENG 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

基金项目 江苏省研究生创新实践计划校级重点项目（SJCX22_XZ011）。

作者简介 孙鹏（1999—），男，江苏盐城人，硕士研究生，研究方向：植保无人机、路径规划。*通信作者，讲师，博士，硕士生导师，从事深度学习、无人机以及混药装置研究。

收稿日期 2023-06-26

根据“2050年农业项目”的预测，到2050年，全球人口预计将达到约100亿。因此，为满足日益增长的人口需求，粮食生产必须提高70%［1］。然而，随着气候变化和农田生态条件的变迁，农业景观中害虫暴发的频率与日俱增，给作物生产带来了越来越大的威胁。目前，农药防治是现代农业不可分割的一部分，据估计，农药化学防治可以减少世界粮食供应45%的损失［2］。但在传统背包喷雾器的施药过程中，经常出现农药利用率低下的现象，导致药效流失至非靶向区域，造成沉积浪费且污染环境。同时，根据世界卫生组织（WHO）统计，在人工种植的作物中喷洒杀虫剂会造成100万例不良反应。为了降低对人类和环境的危害，并应对劳动力短缺的问题，喷洒作业的机械化已势在必行。此外，与地面植保机械相比，植保无人机可以覆盖大片农田，而不会破坏土壤及作物物理结构。

我国大部分农村地区田地环境较为复杂，普遍存在树木、灌木丛、电线杆等障碍物［3］或者混合种植不易喷洒，甚至会有飞鸟的干扰，极有可能引发坠机事故［4］，这种作业环境给植保无人机带来了极大的不便。为了实现对国内复杂作业环境的精准喷施，提高农作物的产量和质量，该研究通过探讨路径规划算法和喷雾技术的研究现状和存在的问题，提出发展建议。

旨在深入了解植保无人机精准喷施方法的研究进展，为农业生产提供科学的技术支持，促进我国农业的持续发展。

1 植保无人机发展现状

随着科技的不断发展，植保无人机技术已经逐渐成为现代农业生产的重要组成部分。植保无人机是指通过遥控或自主飞行的方式，利用高精度的遥感和农业信息化技术，实现对农田、果园等农作物的精准喷施和监测。相比传统的喷洒方式，植保无人机具有喷施量小、喷施精度高、喷施速度快、操作灵活等优点，可以有效降低农药的使用量，提高作物产量和品质。

最初，无人机是由飞行员在地面操作的无线电控制设备，然而，现代无人机是基于GPS的自动驾驶飞行器。其基本构成包括飞行控制系统、遥感控制系统、数据处理系统等，设备类型的使用则取决于无人机的应用。无人机平台的3种主要类型是固定翼、直升机和多旋翼［5］。

1.1 固定翼无人机

靠螺旋桨或者涡轮发动机产生的推力作为飞机向前飞行的动力，主要的升力来自机翼与空气的相对运动。因此，固定翼无人机必须要有一定的无空气的相对速度才会有升力来飞行，如图1（a）。

1.2 直升机

拥有一组水平旋转的桨叶，并附有一根中央桅杆，用于产生升力和推力。这种类型的无人机如图1（b）所示。直升机具备垂直起降、前进飞行、后退飞行和悬停在特定位置的能力。这些特点使得直升机能够在拥挤和偏远地区进行飞行，而固定翼飞机则无法胜任。

1.3 多旋翼无人机

多旋翼飞行器通过依靠多个旋翼产生升力以平衡飞行器的重力，从而实现飞行。通过调节各旋翼的转速，可以控制飞行器的平稳性和姿态。多旋翼飞行器具备悬停能力，并且能够在特定速度范围内以任意速度飞行，但速度比较慢，续航时间短，如图1（c）所示。

2010—2020年，无人机市场一直由固定翼和直升机占据主导地位。然而，目前的趋势是小型无人机在精准农业中的应用重心已经转向多旋翼机。据统计，多旋翼机已经覆盖了近50%的可用无人机模型［6］。固定翼无人机、直升机和多旋翼飞行器的优缺点和在植保领域的应用见表1。

多旋翼植保无人机作为一种新型的农业植保技术，近年来在农业生产中得到广泛应用，主要体现在以下几个方面［7］：

首先，植保无人机具备高效精准的喷洒能力。通过先进的传感器和喷洒设备，植保无人机能够实现对农田的精准喷洒，从而有效控制害虫和病害的发生。此外，植保无人机能够快速覆盖大面积的农田，极大地提升了喷洒效率。

其次，植保无人机的运用能够有效减少对人工劳动力的需求。传统的农业植保方法依赖大量的人力投入，而植保无人机通过自主飞行和自动喷洒的方式，降低了对人工劳动力的需求，进而降低了人力成本［8］。

此外，植保无人机的运用还能够提升农业生产的质量和产量。通过植保无人机的精准喷洒，可有效减少过量喷洒和漏喷的问题，确保植保药剂的有效利用。同时，考虑到国内混合种植的土地情形（图2～4），植保无人机可以进行有效的植物识别，从而做到分类喷施。且植保无人机能够及时发现和控制农作物的病虫害，有效避免病虫害对农作物的损害，从而提高农作物的产量和质量［9］。

最后，植保无人机有助于降低农业生产对环境的影响。传统的农业植保方法常导致土壤和水源的污染，而植保无人机能实现精准喷洒，减少植保药剂的浪费和污染，从而保护环境的可持续发展。

综上所述，植保无人机在农业中的应用具有广泛的优势和前景，将成为未来农业生产的重要技术手段之一［10］。

2 植保无人机路径规划算法

2020—2023年用于植保无人机定点喷施的路径规划算法使用率见图5。遗传算法（GA）是最常见的算法，占21%。蚁群优化（ACO）和人工神经网络（ANN）作为较流行的智能算法，分别以16%和15%的比例位居第2和第3，其次是基于学习的方法（由于深度学习技术的进步，越来越多的机器学习算法被用于无人机路径规划）、粒子群优化（PSO）和模糊逻辑算法。

2.1 经典路归算法

经典路径规划算法是植保无人机路径规划算法中的重要部分，包括最短路径算法、最优路径算法等。其中，最短路径算法是最为常见的一种，其通过计算节点间的距离或代价来确定最短路径，具有简单易行、计算速度快等优点。常见的最短路径算法包括Dijkstra算法、Bellman-Ford算法、Floyd算法等。

此外，最优路径算法是指在满足一定约束条件的情况下，寻找最优路径的算法，常见的最优路径算法包括A*算法、D*算法、RRT算法等。过去的方法，很难确保无人机在飞行中的安全和遇到障碍物时的自动避障，并且往往需要进行大量的数据处理。为了提高避障能力和效率，Huang等［11］提出了一种基于A*算法的改进避障方法，通过毫米波雷达和单目相机的融合，建立了时空融合模型并实现了障碍物坐标的提取。该算法优化的过程中使用了动态启发式函数、搜索点优化和拐点优化的方法，与传统A*算法对比减少了数据处理时间达68.4%、网格搜索次数达74.9%、转弯点数达20.7%，同时路径长度也略有增加，并且实现了精确定位和高效避障，在农业机械化作业中具有很大的应用前景。但该项目的改进设备成本过高，且预计轨迹与实际轨迹仍有较大差距。为使植保无人机减少过量喷施的覆盖率的问题，Tian等［12］提出将改进的A*算法和重力搜索算法相结合，以优化全覆盖往返旋转路径规划并基于最小的非保障作业时间规划返回点。通过使用基于网格方法来划分工作区域来建立环境模型。该项目提出的创新方法相比较传统路径规划方法，将非喷洒距离分别减少了23.18%和5.83%，将农药喷洒的过量覆盖率减少了64.47%。为农业植保路径规划问题提供了一个合理、可行且有用的解决方案。