总结现有技术发展现状基础上，对未来智能化无人机植保关键技术发展趋势进行了预测，阐明了光谱图像获取与计算智能的深度学习识别聚类、基于高精度雾滴谱和风场模型预测的精准变量施药作业路径规划、基于传感器实时数据的作业质量评估和作业监管等新技术手段，将在遥感信息反演、药液飘移抑制、作业效率优化、施药过程管控等方面带来革命性的进步，使植保作业数据化、透明化，全过程可观化可控制，推动农业生产管理从机械化向智能化和智慧化迈进。
关键词：无人机;植保;智能;感知;施药
中图分类号：S251 文献标志码：A 文章编号：201812-SA025
徐 旻， 张瑞瑞， 陈立平， 唐 青， 徐 刚. 智能化无人机植保作业关键技术及研究进展[J]. 智慧农业2019，1（2）： 20-33.
Xu M， Zhang R， Chen L， Tang Q， Xu G. Key technology analysis and research progress of UAV intelligent plant protection[J]. Smart Agriculture， 2019， 1（2）： 20-33.（in Chinese with English abstract）
1 引言
在信息技术的推动下，现代航空技术迅速发展，尤其是无人机相关技术和应用成爆发态势，从军事打击和战场侦查，到工业现场电力自动巡检和交通執法，再到日常农业植保施药和摄影娱乐，无人机系统已广泛应用于生产生活的各个领域。农业航空应用是现代农业的重要组成部分和反映农业现代化水平的重要标志。与欧美发达国家相比，我国农业航空技术起步较晚，但通过近年来的高速发展，目前中国农业航空已经由最初的有人驾驶航空器作业为主发展到有人驾驶和无人驾驶航空器作业并存的局面，尤其是无人机植保作业规模、面积已位居世界前列[1-3]。植保无人机可集成智能飞控系统、复合光电吊舱、精准变量喷施设备等多种新型任务载荷，对作物进行遥感信息获取和定量定点精准施药，同时利用自身旋翼下洗风场特性，加速雾滴沉积到作物冠层表面，具有复杂地形适应性强、作业效率高、施药穿透性好的优势[4，5]。2014年，在美国麻省理工学院发布的《MIT技术评论》中，将农业无人机技术作为第一位，列为年度十大突破性科技创新技术。农业农村部2015年2月印发了《到2020年化肥使用量零增长行动方案》和《到2020年农药使用量零增长行动方案》，明确提出了“精准施肥减量”的要求，进一步推动了以无人机植保为代表的超低量作业模式的发展。
农业植保无人机系统由无人机飞行平台、航空喷洒作业设备、作业管理与监控系统组成，是涉及到航空飞行器、信息技术、流体力学、农业植保等多技术领域交叉融合的复杂作业系统。无人机植保作业面临非常复杂的环境条件，一方面其超低空作业，地面构筑物和农田基本水电设施的会影响其飞行安全;另一方面植保作业实效性强，需要在规定的时间段将药剂喷洒至作物特定的部位，才能保证较好的施药效果。针上述作业技术需求，科研人员在非结构化条件下的环境实时感知、基于作物病虫害智能识别的智能作业决策方法、基于风场雾滴沉积模型的变量对靶施药控制、以及基于数据的作业评价领域投入了大量研究，将人工智能技术、并行计算技术以及智能硬件等方面取得的突破性方法和技术手段，引入到农业航空作业应用中，使无人机植保技术向着智能化、系统化、精准化方向发展。
本研究从农情遥感探测、作业过程优化控制、施药效果监管评估三部分对智能化农业无人机技术发展研究现状进行论述，总结了近年来农业无人机领域代表性技术成果，同时对未来智能农业无人机技术发展趋势进行了分析预测。
2 作业环境及对象感知探测
2.1 前端作物长势信息智能探测
2.1.1 多光谱传感器获取的作物长势信息
采用微小型无人机搭载多种传感器遥感信息平台获取农田作物信息，具有运行成本低、灵活性高以及获取数据时效性高等特点。
日本长崎大学学者谷口等[6]采用小无人机搭载5波段近红外相机和可见光相机对稻米梯田进行低空遥感影像采集，获取了植被覆盖指数（Normalized Difference Vegetation Index，NDVI）数据和水蒸发量之间的相互关系。杨贵军等[7-10]利用光谱辐射仪和成像光谱仪在冬小麦试验田进行空地联合试验，基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据，实现了估测冬小麦叶面积指数（Leaf Area Index，LAI）;同时基于无人机搭载的多传感器平台开发了作物表型信息获取装备，对作物表型特征快速采集和解析，反演作物NDVI、株高、叶绿素含量、病害易感性、干旱胁迫敏感性、含氮量、产量等关键信息。Patrick等[11]利用植物反射的可见光和近红外光来研究花生健康状况，运用无人机遥感方式采集了20种不同基因类型花生的番茄斑萎病的表型特征，通过对比地面调查获得的发病率真值，依据作物表型光谱图像特征构造植被指数，建立被感染情况的评估模型，进而确定疾病检测的最佳植被指数和图像分布特征。Albetis等[12]利用无人机搭载多光谱传感器，对葡萄黄体病发病的藤蔓进行识别，采用单变量和多变量聚类算法，有效识别发病的红葡萄藤，通过并剪除发病藤蔓，避免病体扩散。在向日葵种植区域杂草识别中，小型无人机可搭载多光谱传感器和相机，快速获取小区内种苗和杂草的图像，利用图像处理技术对各种杂草分布情况进行估计，为在向日葵生长早期进行杂草清除提供依据[13]。通过上述研究发现，对多光谱传感器图像的解析，可精准获得作物病害在某些光谱段上的量化特征参数，为作物病害识别提供精准的监测手段。
推荐访问： 无人机 植保 作业 研究进展 智能化
