智慧農(nóng)業(yè) Smart Agriculture Vol 1 No 2 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 徐 旻1 2袁 張瑞瑞1 2袁 陳立平 1 2 袁 唐 青1 2袁 徐 剛1 2 淵1 國家農(nóng)業(yè)智能裝備工程技術(shù)研究中心袁 北京 100097曰 2 北京農(nóng)業(yè)智能裝備技術(shù)研究中心袁 北京 100097冤 摘 要院 搭載高性能傳感器和施藥裝備的農(nóng)業(yè)植保無人機(jī)系統(tǒng)是精準(zhǔn)農(nóng)業(yè)領(lǐng)域具有代表性的智能裝備之一遙 本研究首先從前端田間作業(yè)環(huán)境動(dòng)態(tài)感知技術(shù)出發(fā)袁 闡述了無人機(jī)光譜成像遙感堯 多傳感器融合的SLAM 實(shí)時(shí)環(huán)境建模等技術(shù)在無人機(jī)植保作業(yè)方面的應(yīng)用情況曰 然后對(duì)精準(zhǔn)施藥過程建模與優(yōu)化控制有關(guān)的前沿 技術(shù)進(jìn)行了分析袁 包括旋翼下方風(fēng)場(chǎng)結(jié)構(gòu)演化及霧滴沉積過程仿真建模堯 多區(qū)域全覆蓋條件下的智能作業(yè) 路徑規(guī)劃堯 精準(zhǔn)變量施藥控制等曰 最后論述了作業(yè)效果評(píng)估與過程監(jiān)管相關(guān)技術(shù)的發(fā)展現(xiàn)狀袁 包括施藥作 業(yè)質(zhì)量評(píng)價(jià)方法堯 基于云平臺(tái)數(shù)據(jù)管理的全過程可視化監(jiān)管等遙 在總結(jié)現(xiàn)有技術(shù)發(fā)展現(xiàn)狀基礎(chǔ)上袁 對(duì)未來 智能化無人機(jī)植保關(guān)鍵技術(shù)發(fā)展趨勢(shì)進(jìn)行了預(yù)測(cè)袁 闡明了光譜圖像獲取與計(jì)算智能的深度學(xué)習(xí)識(shí)別聚類堯 基于高精度霧滴譜和風(fēng)場(chǎng)模型預(yù)測(cè)的精準(zhǔn)變量施藥作業(yè)路徑規(guī)劃堯 基于傳感器實(shí)時(shí)數(shù)據(jù)的作業(yè)質(zhì)量評(píng)估和 作業(yè)監(jiān)管等新技術(shù)手段袁 將在遙感信息反演堯 藥液飄移抑制堯 作業(yè)效率優(yōu)化堯 施藥過程管控等方面帶來革 命性的進(jìn)步袁 使植保作業(yè)數(shù)據(jù)化堯 透明化袁 全過程可觀化可控制袁 推動(dòng)農(nóng)業(yè)生產(chǎn)管理從機(jī)械化向智能化和 智慧化邁進(jìn)遙 關(guān)鍵詞院 無人機(jī)曰 植保曰 智能曰 感知曰 施藥 中圖分類號(hào)院 S251 文獻(xiàn)標(biāo)志碼院 A 文章編號(hào)院 201812 SA025 收稿日期院 2018 12 31 修回日期院 2019 04 02 基金項(xiàng)目院 國家自然科學(xué)基金項(xiàng)目 31771674 曰 北京市農(nóng)林科學(xué)院2018創(chuàng)新能力建設(shè)專項(xiàng) 淵KJCX20180424冤曰 北京市農(nóng)林科學(xué)院2016 青年科研基金 淵QNJJ201632冤 作者簡介院 徐 旻 淵1979 冤袁 男袁 博士袁 副研究員袁 研究方向院 精準(zhǔn)農(nóng)業(yè)技術(shù)袁 飛行器導(dǎo)航控制與智能控制袁 Email院 xum nercita 遙 通訊作者院 陳立平 淵1973 冤袁 女袁 博士袁 研究員袁 研究方向院 精準(zhǔn)農(nóng)業(yè)技術(shù)袁 傳感器與智能控制袁 電話院 010 51503425袁 Email院 chenlp 遙 doi 10 12133 j smartag 2019 1 2 201812 SA025 徐 旻 張瑞瑞 陳立平 唐 青 徐 剛 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 J 智慧農(nóng)業(yè)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 在信息技術(shù)的推動(dòng)下袁 現(xiàn)代航空技術(shù)迅速發(fā) 展袁 尤其是無人機(jī)相關(guān)技術(shù)和應(yīng)用成爆發(fā)態(tài)勢(shì)袁 從軍事打擊和戰(zhàn)場(chǎng)偵查袁 到工業(yè)現(xiàn)場(chǎng)電力自動(dòng)巡 檢和交通執(zhí)法袁 再到日常農(nóng)業(yè)植保施藥和攝影娛 樂袁 無人機(jī)系統(tǒng)已廣泛應(yīng)用于生產(chǎn)生活的各個(gè)領(lǐng) 域遙 農(nóng)業(yè)航空應(yīng)用是現(xiàn)代農(nóng)業(yè)的重要組成部分和 反映農(nóng)業(yè)現(xiàn)代化水平的重要標(biāo)志遙 與歐美發(fā)達(dá)國 家相比袁 我國農(nóng)業(yè)航空技術(shù)起步較晚袁 但通過近 年來的高速發(fā)展袁 目前中國農(nóng)業(yè)航空已經(jīng)由最初 的有人駕駛航空器作業(yè)為主發(fā)展到有人駕駛和無 2019年4月 第1卷第2期 Apr 2019 Vol 1 No 2 人駕駛航空器作業(yè)并存的局面袁 尤其是無人機(jī)植 保作業(yè)規(guī)模堯 面積已位居世界前列 1 3 遙 植保無人 機(jī)可集成智能飛控系統(tǒng)堯 復(fù)合光電吊艙堯 精準(zhǔn)變 量噴施設(shè)備等多種新型任務(wù)載荷袁 對(duì)作物進(jìn)行遙 感信息獲取和定量定點(diǎn)精準(zhǔn)施藥袁 同時(shí)利用自身 旋翼下洗風(fēng)場(chǎng)特性袁 加速霧滴沉積到作物冠層表 面袁 具有復(fù)雜地形適應(yīng)性強(qiáng)堯 作業(yè)效率高堯 施藥 穿透性好的優(yōu)勢(shì) 4 5 遙 2014年袁 在美國麻省理工學(xué) 院發(fā)布的 葉MIT技術(shù)評(píng)論曳 中袁 將農(nóng)業(yè)無人機(jī)技 術(shù)作為第一位袁 列為年度十大突破性科技創(chuàng)新技 術(shù)遙 農(nóng)業(yè)農(nóng)村部2015年2月印發(fā)了 葉到2020年 化肥使用量零增長行動(dòng)方案曳 和 葉到2020年農(nóng) 藥使用量零增長行動(dòng)方案曳袁 明確提出了 野精準(zhǔn) 施肥減量冶 的要求袁 進(jìn)一步推動(dòng)了以無人機(jī)植保 為代表的超低量作業(yè)模式的發(fā)展遙 農(nóng)業(yè)植保無人機(jī)系統(tǒng)由無人機(jī)飛行平臺(tái)堯 航 空噴灑作業(yè)設(shè)備堯 作業(yè)管理與監(jiān)控系統(tǒng)組成袁 是 涉及到航空飛行器堯 信息技術(shù)堯 流體力學(xué)堯 農(nóng)業(yè) 植保等多技術(shù)領(lǐng)域交叉融合的復(fù)雜作業(yè)系統(tǒng)遙 無 人機(jī)植保作業(yè)面臨非常復(fù)雜的環(huán)境條件袁 一方面 其超低空作業(yè)袁 地面構(gòu)筑物和農(nóng)田基本水電設(shè)施 的會(huì)影響其飛行安全曰 另一方面植保作業(yè)實(shí)效性 強(qiáng)袁 需要在規(guī)定的時(shí)間段將藥劑噴灑至作物特定 的部位袁 才能保證較好的施藥效果遙 針上述作業(yè) 技術(shù)需求袁 科研人員在非結(jié)構(gòu)化條件下的環(huán)境實(shí) 時(shí)感知堯 基于作物病蟲害智能識(shí)別的智能作業(yè)決 策方法堯 基于風(fēng)場(chǎng)霧滴沉積模型的變量對(duì)靶施藥 控制堯 以及基于數(shù)據(jù)的作業(yè)評(píng)價(jià)領(lǐng)域投入了大量 研究袁 將人工智能技術(shù)堯 并行計(jì)算技術(shù)以及智能 硬件等方面取得的突破性方法和技術(shù)手段袁 引入 到農(nóng)業(yè)航空作業(yè)應(yīng)用中袁 使無人機(jī)植保技術(shù)向著 智能化堯 系統(tǒng)化堯 精準(zhǔn)化方向發(fā)展遙 本研究從農(nóng)情遙感探測(cè)堯 作業(yè)過程優(yōu)化控 制堯 施藥效果監(jiān)管評(píng)估三部分對(duì)智能化農(nóng)業(yè)無人 機(jī)技術(shù)發(fā)展研究現(xiàn)狀進(jìn)行論述袁 總結(jié)了近年來農(nóng) 業(yè)無人機(jī)領(lǐng)域代表性技術(shù)成果袁 同時(shí)對(duì)未來智能 農(nóng)業(yè)無人機(jī)技術(shù)發(fā)展趨勢(shì)進(jìn)行了分析預(yù)測(cè)遙 2 作業(yè)環(huán)境及對(duì)象感知探測(cè) 2 1 前端作物長勢(shì)信息智能探測(cè) 2 1 1 多光譜傳感器獲取的作物長勢(shì)信息 采用微小型無人機(jī)搭載多種傳感器遙感信息 平臺(tái)獲取農(nóng)田作物信息袁 具有運(yùn)行成本低堯 靈活 性高以及獲取數(shù)據(jù)時(shí)效性高等特點(diǎn)遙 日本長崎大學(xué)學(xué)者谷口等 6 采用小無人機(jī)搭 載5波段近紅外相機(jī)和可見光相機(jī)對(duì)稻米梯田進(jìn) 行低空遙感影像采集袁 獲取了植被覆蓋指數(shù) 淵Normalized Difference Vegetation Index袁 NDVI冤 數(shù)據(jù)和水蒸發(fā)量之間的相互關(guān)系遙 楊貴軍等 7 10 利 用光譜輻射儀和成像光譜儀在冬小麥試驗(yàn)田進(jìn)行 空地聯(lián)合試驗(yàn)袁 基于獲取的孕穗期堯 開花期以及 灌漿期地面數(shù)據(jù)和無人機(jī)高光譜遙感數(shù)據(jù)袁 實(shí)現(xiàn) 了估測(cè)冬小麥葉面積指數(shù) 淵Leaf Area Index袁 LAI冤曰 同時(shí)基于無人機(jī)搭載的多傳感器平臺(tái)開發(fā) 了作物表型信息獲取裝備袁 對(duì)作物表型特征快速 采集和解析袁 反演作物NDVI堯 株高堯 葉綠素含 量堯 病害易感性堯 干旱脅迫敏感性堯 含氮量堯 產(chǎn) 量等關(guān)鍵信息遙 Patrick等 11 利用植物反射的可見 光和近紅外光來研究花生健康狀況袁 運(yùn)用無人機(jī) 遙感方式采集了 20種不同基因類型花生的番茄 斑萎病的表型特征袁 通過對(duì)比地面調(diào)查獲得的發(fā) 病率真值袁 依據(jù)作物表型光譜圖像特征構(gòu)造植被 指數(shù)袁 建立被感染情況的評(píng)估模型袁 進(jìn)而確定疾 圖 1 無人機(jī)植保作業(yè)過程中常用的光電傳感器 Fig 1 Main sensors commonly used in UAV crop protection operations 徐旻等院 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 21 智慧農(nóng)業(yè) Smart Agriculture Vol 1 No 2 圖 2 基于深度學(xué)習(xí)的作物衛(wèi)星遙感影像病蟲害識(shí)別 Fig 2 Crop satellite remote sensing image identification for diseases and pests based on deep learning 病檢測(cè)的最佳植被指數(shù)和圖像分布特征遙 Albetis 等 12 利用無人機(jī)搭載多光譜傳感器袁 對(duì)葡萄黃體 病發(fā)病的藤蔓進(jìn)行識(shí)別袁 采用單變量和多變量聚 類算法袁 有效識(shí)別發(fā)病的紅葡萄藤袁 通過并剪除 發(fā)病藤蔓袁 避免病體擴(kuò)散遙 在向日葵種植區(qū)域雜 草識(shí)別中袁 小型無人機(jī)可搭載多光譜傳感器和相 機(jī)袁 快速獲取小區(qū)內(nèi)種苗和雜草的圖像袁 利用圖 像處理技術(shù)對(duì)各種雜草分布情況進(jìn)行估計(jì)袁 為在 向日葵生長早期進(jìn)行雜草清除提供依據(jù) 13 遙 通過 上述研究發(fā)現(xiàn)袁 對(duì)多光譜傳感器圖像的解析袁 可 精準(zhǔn)獲得作物病害在某些光譜段上的量化特征參 數(shù)袁 為作物病害識(shí)別提供精準(zhǔn)的監(jiān)測(cè)手段遙 2 1 2 基于深度學(xué)習(xí)的遙感影像處理 農(nóng)業(yè)遙感信息處理主要集中在對(duì)獲取圖像信 息的反演袁 因此袁 基于深度學(xué)習(xí)的人工智能模式 識(shí)別技術(shù)也在農(nóng)業(yè)遙感信息處理領(lǐng)域表現(xiàn)出巨大 潛力遙 將傳統(tǒng)的隨機(jī)森林分類算法和基于卷積神 經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法用于衛(wèi)星影像處理袁 對(duì)比 其結(jié)果顯示袁 在存在云霧干擾的情況下袁 深度學(xué) 習(xí)方法對(duì)玉米堯 大豆等作物的分類識(shí)別能力遠(yuǎn)高 于傳統(tǒng)隨機(jī)森林方法 14 遙 過去統(tǒng)計(jì)樹上的果實(shí)會(huì) 耗費(fèi)大量的人力袁 但是采用深度學(xué)習(xí)的圖像識(shí)別 算法袁 可快速對(duì)桔子堯 蘋果的產(chǎn)量進(jìn)行統(tǒng)計(jì)袁 同 時(shí)通過基于果實(shí)形態(tài)特征的識(shí)別可快速識(shí)別出果 實(shí)缺陷袁 實(shí)現(xiàn)按品質(zhì)智能分類 15 遙 針對(duì)受紅脂大 小蠹危害的油松林袁 孫鈺等 16 用無人機(jī)獲取遙感 影像圖片袁 訓(xùn)練精簡的 SSD300目標(biāo)檢測(cè)框架袁 即可直接識(shí)別無人機(jī)航片袁 無需校正拼接袁 降低 模型的參數(shù)數(shù)量和運(yùn)算量袁 加快檢測(cè)速度遙 基于 深度學(xué)習(xí)的圖像處理顛覆了傳統(tǒng)圖像聚類方法袁 S1 layer S2 layer OUTPUT layer 深度學(xué)習(xí)過程 病蟲害識(shí)別 遙感信息獲取 22 Vol 1 No 2 圖 3 多傳感器組合相對(duì)高度測(cè)量系統(tǒng) Fig 3 Relative height measurement system with multiple sensors fusion 將農(nóng)業(yè)遙感技術(shù)人員從圖像算法研究轉(zhuǎn)向?qū)μ镩g 信息樣本的采集和積累袁 最大限度的發(fā)揮了農(nóng)業(yè) 信息化過程中遙感大數(shù)據(jù)樣本作用遙 2 2 農(nóng)田環(huán)境的動(dòng)態(tài)感知 農(nóng)田作業(yè)環(huán)境是極其復(fù)雜的非結(jié)構(gòu)化地表區(qū) 域袁 作物本身堯 農(nóng)田水利設(shè)施堯 構(gòu)筑物交錯(cuò)并 存袁 且經(jīng)常發(fā)生相對(duì)位置變化遙 要實(shí)現(xiàn)自主對(duì)靶 和安全作業(yè)袁 需要解決無人機(jī)和作物冠層相對(duì)位 置堯 以及無人機(jī)和田間各種障礙物相對(duì)位置的實(shí) 時(shí)獲取的問題遙 應(yīng)用智能化的光電探測(cè)和模式識(shí) 別手段獲得環(huán)境中各種非作業(yè)目標(biāo)的基本尺度特 征堯 類型屬性等關(guān)鍵信息袁 對(duì)環(huán)境中各種對(duì)象的 靜態(tài)特征和動(dòng)態(tài)運(yùn)動(dòng)趨勢(shì)進(jìn)行在線觀測(cè)可解決上 述問題袁 因此袁 面向田間作業(yè)環(huán)境的感知技術(shù)已 成為農(nóng)業(yè)無人機(jī)自主作業(yè)的必要條件 17 遙 基于機(jī) 器視覺和多傳感器融合的智能模式識(shí)別方法袁 為 此類應(yīng)用需求提供了有效的解決途徑遙 在丘陵或 地形起伏區(qū)域袁 作物冠層與無人機(jī)的相對(duì)高度信 息對(duì)作業(yè)效果和飛行安全至關(guān)重要袁 采用新型微 波雷達(dá)傳感器和氣壓高度計(jì)堯 GNSS堯 慣性測(cè)量 單元等多傳感器融合方式袁 可以有效地測(cè)量無人 機(jī)機(jī)體相對(duì)地面及作物冠層的高度袁 實(shí)現(xiàn)仿地跟 蹤飛行 18 袁 如圖3所示遙 2 2 1 激光雷達(dá)對(duì)環(huán)境信息進(jìn)行SLAM感知 為了獲得更精確的環(huán)境信息袁 學(xué)者們采用掃 描式激光雷達(dá)傳感器對(duì)環(huán)境進(jìn)行即時(shí)定位與地圖 構(gòu)建 淵 Simultaneous localization and mapping袁 SLAM冤袁 利用雷達(dá)測(cè)距信息生成周圍環(huán)境的稀疏 點(diǎn)云數(shù)據(jù)袁 獲得障礙物或標(biāo)記點(diǎn)與機(jī)體的相對(duì)距 離堯 方向堯 以及物體輪廓特征袁 對(duì)相對(duì)位置速度 誤差進(jìn)行估計(jì)袁 結(jié)合慣性測(cè)量數(shù)據(jù)和外部障礙物 或標(biāo)記點(diǎn)信息作為觀測(cè)量袁 通過擴(kuò)展卡爾曼濾波 淵Extended Kalman Filter袁 EKF冤堯 無損卡爾曼濾 波 淵Unscented Kalman Filter袁 UKF冤 等算法袁 消 除累計(jì)誤差 19 22 遙 在使用雷達(dá)等飛行時(shí)間 淵Time ofFlight袁 TOF冤 傳感器獲得距離信息時(shí)袁 同步引 入與距離堯 視線角相關(guān)的反射信號(hào)強(qiáng)度信息袁 對(duì) SALM建模觀測(cè)方程進(jìn)行增廣袁 可進(jìn)一步降低 3D 環(huán)境中的建模誤差 23 遙 為了便于驗(yàn)證各種 SLAM感知算法袁 Gazebo simulator 等 SLAM 開 發(fā)仿真環(huán)境也開始被應(yīng)用于農(nóng)業(yè)遙 Habibie等 24 采 用激光雷達(dá)和可見光雙目視覺的方式袁 開發(fā)了果 園SLAM系統(tǒng)袁 系統(tǒng)基于激光雷達(dá)對(duì)環(huán)境中障礙 物和樹木進(jìn)行建模袁 基于可見光視覺系統(tǒng)對(duì)果實(shí) 位置進(jìn)行探測(cè)袁 并對(duì)果實(shí)品質(zhì)進(jìn)行估計(jì)袁 最后在 Gazebo中進(jìn)行仿真驗(yàn)證袁 仿真結(jié)果顯示該方法能 有效對(duì)果園內(nèi)的環(huán)境進(jìn)行實(shí)時(shí)建模袁 為植保作業(yè) 提供對(duì)靶信息遙 系統(tǒng)工作過程如圖4所示遙 圖 4 果園SLAM系統(tǒng)激光雷達(dá)環(huán)境點(diǎn)云成像 Fig 4 SLAM imaging with LIDAR environmental point cloud of the orchard 徐旻等院 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 23 智慧農(nóng)業(yè) Smart Agriculture Vol 1 No 2 2 2 2 機(jī)器視覺空間物體建模 目前運(yùn)用可見光或雙目視覺圖像對(duì)環(huán)境和物 體視覺特征信息進(jìn)行提取袁 再運(yùn)用光流場(chǎng)速度算 法及投影變換方法對(duì)視場(chǎng)中障礙物的相對(duì)位置堯 速度進(jìn)行最優(yōu)估計(jì)的方式袁 已經(jīng)取得了很大的發(fā) 展袁 并已經(jīng)具備應(yīng)用于無人機(jī)植保作業(yè)的技術(shù)條 件遙 通過采用多個(gè)傳感器的視覺圖像對(duì)物體進(jìn)行 空間三維建模和運(yùn)動(dòng)狀態(tài)估計(jì)袁 并對(duì)稀疏點(diǎn)云數(shù) 據(jù)加密袁 可精確再現(xiàn)周圍三維環(huán)境空間的物體分 布坐標(biāo)信息 25 26 遙 無人機(jī)控制系統(tǒng)利用這些環(huán)境 狀態(tài)信息完成自主作業(yè)飛行決策袁 可實(shí)現(xiàn)在復(fù)雜 作業(yè)環(huán)境中的安全對(duì)靶作業(yè)遙 3 精準(zhǔn)施藥過程建模與優(yōu)化控制 3 1 霧滴沉積運(yùn)動(dòng)建模 不同于地面植保機(jī)械袁 無人機(jī)航空植保作業(yè) 時(shí)無法深入作物冠層中施藥袁 只能通過旋翼風(fēng)場(chǎng) 裹挾霧滴到達(dá)作物病害部位袁 因此無人機(jī)植保效 果受旋翼下洗氣流堯 環(huán)境風(fēng)場(chǎng)堯 飛行高度堯 作業(yè) 速度等多種因素影響 27 遙 要想達(dá)到精準(zhǔn)變量施藥 的目的袁 必須對(duì)噴頭所在風(fēng)場(chǎng)和噴頭霧化參數(shù)之 間的耦合關(guān)系展開研究袁 建立霧滴沉積漂移過程 的動(dòng)力學(xué)模型袁 從而實(shí)現(xiàn)對(duì)霧滴有效沉積區(qū)域的 實(shí)時(shí)預(yù)測(cè)袁 為控制系統(tǒng)精準(zhǔn)施藥提供依據(jù)遙 3 1 1 霧滴沉積特性研究 國內(nèi)外針對(duì)無人機(jī)施藥霧滴沉積特性的研究 已經(jīng)開展了多年袁 目前常用的研究手段為田間布 點(diǎn)試驗(yàn)袁 對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行定量統(tǒng)計(jì)袁 獲得樣本的 沉積點(diǎn)密度堯 粒徑等遙 此種方式可對(duì)霧滴沉積效 果進(jìn)行量化評(píng)價(jià)袁 并在一定程度上獲取霧滴沉積 飄移與飛行高度堯 霧滴粒徑大小堯 噴頭布局和外 部氣象條件之間的影響關(guān)系和經(jīng)驗(yàn)公式 28 29 遙 但 此類試驗(yàn)受到環(huán)境條件和現(xiàn)有儀器技術(shù)水平的影 響袁 只能對(duì)最終沉積結(jié)果進(jìn)行靜態(tài)觀測(cè)袁 無法獲 得霧滴在噴頭和風(fēng)場(chǎng)作用下的運(yùn)動(dòng)過程及沉積穿 透作用機(jī)理袁 難以形成通用的模型及結(jié)論遙 美國 在1979年就開始基于固定翼有人機(jī)尾渦運(yùn)動(dòng)模 型及高斯分布方法的建立霧滴飄移預(yù)測(cè)模型袁 并 研發(fā)相關(guān)軟件AGDISP 30 遙 唐青等 31 32 基于計(jì)算流 體動(dòng)力學(xué) 淵Computational Fluid Dynamics袁 CFD冤 模擬獲得了固定翼有人機(jī)在不同作業(yè)條件下的 霧滴沉積飄移模型袁 如圖 5 所示遙 高精度格式 CFD模擬旋翼翼尖渦與試驗(yàn)結(jié)果對(duì)比如圖6堯 圖 7所示遙 圖 5 CFD模擬展示霧滴運(yùn)動(dòng)規(guī)律 Fig 5 CFD simulation shows the movement law of fog droplets 圖 6 高精度格式CFD模擬旋翼翼尖渦 Fig 6 CFD predicted phase averaged vorticity contours along with velocity vectors 24 Vol 1 No 2 3 1 2 復(fù)雜流場(chǎng)湍流模型數(shù)值求解 無人旋翼植保機(jī)的下洗氣流結(jié)構(gòu)復(fù)雜袁 針對(duì) 其霧滴沉積漂移預(yù)測(cè)的模型已經(jīng)成為新的研究熱 點(diǎn)遙 在數(shù)值計(jì)算方法研究方面袁 高精度格式瞬態(tài) 算法具有較好模擬精度袁 但是主要用于基礎(chǔ)的風(fēng) 場(chǎng)結(jié)構(gòu)研究領(lǐng)域袁 未結(jié)合地面作業(yè)和霧滴運(yùn)動(dòng)模 型曰 而在行業(yè)應(yīng)用主要以定常流平均場(chǎng)模擬為 主袁 注重對(duì)實(shí)際作業(yè)條件及霧滴運(yùn)動(dòng)的模擬 33 34 遙 綜合目前的研究結(jié)果分析袁 針對(duì)農(nóng)用無人機(jī) 面臨的近地面復(fù)雜流場(chǎng)環(huán)境袁 要獲得較為真實(shí)的 渦管三維運(yùn)動(dòng)仍需高精度瞬態(tài)算法和大量計(jì)算周 期袁 難以直接應(yīng)用袁 而采用基于雷諾平均方法 淵Reynolds Average Navier Stokes袁 RANS冤 湍流 模型數(shù)值求解 N S方程袁 通過優(yōu)化自適應(yīng)網(wǎng)格 和并行算法袁 可降低計(jì)算周期袁 提高系統(tǒng)的實(shí)用 性 35 37 遙 在噴霧模型構(gòu)建方面袁 目前仍以非接觸 式測(cè)量方法為主袁 通過激光衍射堯 高速粒子圖像 測(cè)速等手段袁 對(duì)特定噴頭堯 助劑堯 噴桿結(jié)構(gòu)布 局堯 管路壓力等噴施參數(shù)下的霧滴粒徑及速度的 空間分布進(jìn)行測(cè)量袁 獲得無人機(jī)施藥作業(yè)的噴霧 模型遙 基于羅辛 拉姆勒 淵Rosin Rammler冤 分布 模型簡化后袁 與無人機(jī)風(fēng)場(chǎng)模型進(jìn)行耦合袁 求解 離散相霧滴的運(yùn)動(dòng)軌跡袁 從而實(shí)現(xiàn)霧滴沉積飄移 規(guī)律的預(yù)測(cè)袁 以達(dá)到對(duì)作業(yè)過程中藥劑覆蓋區(qū)域 與飄移特性的估計(jì)和規(guī)避施藥作業(yè)風(fēng)險(xiǎn)的目的遙 3 1 3 精準(zhǔn)施藥控制及先進(jìn)霧化 無人機(jī)施藥主要面向小地塊區(qū)域袁 具有超低 量堯 高精度的特點(diǎn)袁 需要將飛行導(dǎo)航控制信息與 精準(zhǔn)變量控制結(jié)合起來袁 依據(jù)飛行及作業(yè)狀態(tài)信 息的關(guān)鍵參數(shù)來實(shí)現(xiàn)精準(zhǔn)變量噴灑控制袁 主要包 括作業(yè)飛行控制技術(shù)堯 流量精準(zhǔn)檢測(cè)堯 流量輸出 控制堯 噴頭霧化控制四方面技術(shù)遙 無人機(jī)的噴灑 系統(tǒng)管路結(jié)構(gòu)布局緊湊袁 采用傳統(tǒng)的渦輪計(jì)數(shù)式 流量計(jì)響應(yīng)速度慢袁 且需要對(duì)管路進(jìn)行改造袁 不 利于應(yīng)用袁 而超聲非接觸式流量傳感器精度高響 應(yīng)快袁 且不影響系統(tǒng)管路袁 將逐步取代現(xiàn)有渦輪 流量計(jì)遙 流量控制仍以傳統(tǒng)的功率調(diào)節(jié)控制泵流 量的方式為主袁 目前逐步引入機(jī)體姿態(tài)堯 位置堯 飛行速度堯 作業(yè)相對(duì)高度堯 以及環(huán)境氣象條件等 參數(shù)袁 共同完成控制決策袁 獲得最佳的施藥回收 效果和沉積精度 38 41 遙 隨著微機(jī)電系統(tǒng) 淵Mi cro Electro Mechanical System袁 MEMS冤 技術(shù)的 發(fā)展袁 直接對(duì)單一噴頭的獨(dú)立控制必將成為未來 研究的重點(diǎn)遙 在霧化技術(shù)方面袁 通過實(shí)際作業(yè)測(cè) 試袁 采用電機(jī)控制的離心霧化噴頭具有霧滴粒徑 譜分布窄袁 霧化幅寬大的特點(diǎn)袁 相對(duì)于壓力噴頭 和液力霧化噴頭的效果有明顯的優(yōu)勢(shì)袁 目前已進(jìn) 入商用階段 42 44 遙 無人機(jī)靜電噴頭具有霧滴漂移 小袁 附著力高的特點(diǎn) 45 遙 何雄奎等 46 針對(duì)航空施 藥植保無人機(jī)設(shè)計(jì)了雙極性接觸式航空機(jī)載靜電 噴霧系統(tǒng)袁 在輕型油動(dòng)直升機(jī)上對(duì)噴施油劑和水 的電荷與霧化效果進(jìn)行了測(cè)試袁 結(jié)果表明此類靜 電噴頭與油劑配合使用袁 可有效提高霧滴沉積分 布均勻性遙 國外學(xué)者在噴頭技術(shù)上也已經(jīng)開展多 年的研究袁 從通用噴頭堯 靜電噴頭堯 抗漂移噴 頭堯 逐步轉(zhuǎn)向精準(zhǔn)變量噴頭遙 Daggupati 47 將微機(jī) 電系統(tǒng)和噴頭進(jìn)行集成設(shè)計(jì)袁 通過微型電磁閥開 關(guān)動(dòng)作來調(diào)解噴口出水量袁 實(shí)現(xiàn)變量噴霧作業(yè)遙 圖 7 翼尖渦試驗(yàn)測(cè)試結(jié)果 Fig 7 Experimental data of phase averaged vorticity contours along with velocity vectors 徐旻等院 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 25 智慧農(nóng)業(yè) Smart Agriculture Vol 1 No 2 圖 8 無人機(jī)全覆蓋作業(yè)區(qū)域規(guī)劃 Fig 8 Full coverage spraying route planning method of UAV Funseth等 48 采用步進(jìn)電機(jī)驅(qū)動(dòng)流量調(diào)節(jié)轉(zhuǎn)盤轉(zhuǎn)動(dòng) 的方式改變流體噴嘴的流體入口尺寸袁 從而實(shí)現(xiàn) 變量噴灑遙 MEMS系統(tǒng)技術(shù)將控制堯 執(zhí)行機(jī)構(gòu)進(jìn) 一步小型化袁 精細(xì)化調(diào)解噴灑霧滴譜進(jìn)行抗漂移 和精準(zhǔn)變量施藥已經(jīng)成為新的研究趨勢(shì)遙 3 2 作業(yè)路徑最優(yōu)算法 植保無人機(jī)載荷和續(xù)航能力較弱袁 且作業(yè)區(qū) 域多為分散的小面積不規(guī)則區(qū)域袁 如何進(jìn)行有效 的作業(yè)路徑優(yōu)化袁 減少農(nóng)業(yè)無人機(jī)作業(yè)過程無效 的非作業(yè)飛行距離和時(shí)間具有重要意義遙 目前國 內(nèi)外農(nóng)業(yè)無人機(jī)作業(yè)路徑規(guī)劃主要采用全覆蓋算 法袁 即規(guī)劃路徑必須對(duì)作業(yè)空間實(shí)現(xiàn)完全的覆 蓋遙 首先采用單元分解方式袁 參考地面作業(yè)機(jī)具 工作模式袁 將作業(yè)區(qū)域按種植方向以梯形方式堯 柵格堯 維諾圖 淵Voronoi diagram冤 等方式進(jìn)行分 割袁 在分割區(qū)域基礎(chǔ)上進(jìn)行單元分解和數(shù)字標(biāo) 記袁 然后再運(yùn)用A 堯 動(dòng)態(tài)規(guī)劃 淵Travelling Sales man Problem袁 TSP冤堯 遺傳算法 淵Genetic Algo rithm袁 GA冤 等優(yōu)化搜索算法袁 最終使轉(zhuǎn)彎堯 往 返加藥點(diǎn)等無效作業(yè)路徑長度最短或作業(yè)能耗最 小 49 遙 農(nóng)業(yè)植保無人機(jī)作業(yè)路徑規(guī)劃方法研究目前 主要圍繞單一區(qū)域多架次作業(yè)和多個(gè)非連通區(qū)域 作業(yè)調(diào)度兩個(gè)方面開展遙 3 2 1 單一區(qū)域多架次作業(yè)路徑規(guī)劃 在單一區(qū)域中袁 由于種植方向約束袁 植保無 人機(jī)作業(yè)通常采用單一方向規(guī)則往復(fù)的 野牛耕 法冶袁 當(dāng)藥劑用完時(shí)再返回加藥點(diǎn)補(bǔ)充藥劑繼續(xù) 作業(yè)袁 這種方式作業(yè)中袁 地頭轉(zhuǎn)彎和多架次往返 加藥距離會(huì)因?yàn)樽鳂I(yè)規(guī)劃不同而有很大差異袁 導(dǎo) 致不必要的非作業(yè)能耗損失 淵圖8堯 圖9冤遙 為了 便于將計(jì)算智能引入作業(yè)路徑規(guī)劃中袁 柵格法被 普遍用于構(gòu)建作業(yè)環(huán)境描述模型袁 一方面可對(duì)作 業(yè)區(qū)域進(jìn)行精細(xì)到作業(yè)幅寬量級(jí)的數(shù)值化描述袁 另一方面有利于和GIS系統(tǒng)進(jìn)行坐標(biāo)的轉(zhuǎn)化袁 將 平面坐標(biāo)點(diǎn)陣和大地坐標(biāo)系映射關(guān)聯(lián)起來遙 在區(qū) 域柵格化后袁 根據(jù)區(qū)域面積堯 形狀堯 作業(yè)航向方 向堯 底邊距離袁 為相應(yīng)柵格賦予作業(yè)概率袁 優(yōu)先 選擇概率高的柵格行進(jìn)作業(yè)袁 同時(shí)以往返飛行堯 電池更換堯 藥劑裝填等非植保作業(yè)能耗最小為目 標(biāo)函數(shù)袁 通過采用引力搜索等智能搜索方法袁 實(shí) 現(xiàn)對(duì)返航點(diǎn)數(shù)量與位置的尋優(yōu)袁 進(jìn)而優(yōu)化作業(yè)路 徑 50 54 遙 3 2 2 多個(gè)非聯(lián)通區(qū)域多架次作業(yè)路徑規(guī)劃 對(duì)于多個(gè)非連通區(qū)域作業(yè)問題 淵圖10冤袁 先 對(duì)單個(gè)作業(yè)區(qū)域進(jìn)行局部作業(yè)路徑規(guī)劃袁 再將各 區(qū)域作業(yè)順序進(jìn)行編碼袁 采用遺傳算法進(jìn)行多個(gè) 區(qū)域間飛行作業(yè)任務(wù)優(yōu)化調(diào)度袁 從而最終優(yōu)化整 個(gè)全過程作業(yè)路徑袁 提高無人機(jī)作業(yè)效率袁 目前 通過仿真和示范試驗(yàn)已證明此方法的有效性 55 遙 多機(jī)協(xié)同植保作業(yè)路徑規(guī)劃及分配技術(shù)可充分發(fā) 淵a冤 牛耕法 淵b冤 生成樹法 26 Vol 1 No 2 揮植保無人機(jī)低成本袁 易于使用的特點(diǎn)遙 Luo等 56 依據(jù)無人機(jī)動(dòng)力學(xué)特性約束和作業(yè)區(qū)域杜賓曲 線 淵Dubins冤 距離參數(shù)袁 構(gòu)造基于時(shí)間窗和作業(yè) 方向的多機(jī)作業(yè)效益函數(shù)袁 利用遺傳算法設(shè)計(jì)多 機(jī)協(xié)同作業(yè)路徑規(guī)劃算法袁 優(yōu)化路徑分配袁 提高 作業(yè)效率遙 目前多機(jī)協(xié)同植保施藥作業(yè)路徑規(guī)劃 技術(shù)研究尚處于起步階段袁 需要進(jìn)一步開展依據(jù) 無人機(jī)作業(yè)能力參數(shù)和施藥覆蓋效果的全局作業(yè) 路徑規(guī)劃算法的研究遙 4 作業(yè)效果綜合評(píng)估與過程監(jiān)管 4 1 植保施藥效果的綜合評(píng)價(jià) 植保施藥的霧滴分布特性重要評(píng)價(jià)指標(biāo)包括 回收率和均勻性等袁 其中霧滴的回收率是檢驗(yàn)藥 液沉積量的直接指標(biāo)袁 沉降藥液的均勻性是反映 作業(yè)沉積質(zhì)量的重要指標(biāo) 57 遙 傳統(tǒng)的霧滴沉積測(cè) 量方法利用聚乙烯軟管堯 聚乙烯板堯 霧滴采集 卡堯 水敏紙堯 棉線和熒光紙帶等采集農(nóng)藥霧滴分 布袁 通過顯微鏡或圖像軟件分析霧滴覆蓋率和霧 滴密度遙 在藥劑中添加示蹤劑可估測(cè)農(nóng)藥沉積 圖 9 單一區(qū)域多架次作業(yè)路徑規(guī)劃 Fig 9 Route planning for multiple sorties in a single area of UAV 徐旻等院 智能化無人機(jī)植保作業(yè)關(guān)鍵技術(shù)及研究進(jìn)展 圖 10 多個(gè)非聯(lián)通區(qū)域無人機(jī)作業(yè)路徑規(guī)劃 Fig 10 Route planning of UAV operation in multiple unconnected areas 27 智慧農(nóng)業(yè) Smart Agriculture Vol 1 No 2 量堯 覆蓋范圍堯 霧滴粒徑大小等參數(shù) 58 遙 利用無 人機(jī)高光譜成像技術(shù)獲取的葉片區(qū)域藥液的光譜 信息袁 可用于分析葉片施藥后的藥效曰 對(duì)獲取的 藥物云團(tuán)探測(cè)區(qū)域霧滴分布的紅外成像光譜進(jìn)行 特征分析袁 能夠反演藥物云團(tuán)濃度圖像袁 并對(duì)霧 滴漂移情況進(jìn)行觀測(cè) 59 遙 地面藥效評(píng)估將逐漸從 單純的作業(yè)后效果評(píng)價(jià)向作業(yè)中信息反饋袁 形成 實(shí)時(shí)作業(yè)閉環(huán)遙 張瑞瑞等 60 基于電容傳感器原理 設(shè)計(jì)開發(fā)了一款分布式霧滴沉積傳感器及檢測(cè)軟 件袁 該系統(tǒng)能夠監(jiān)測(cè)霧滴從沉積到蒸發(fā)隨時(shí)間變 化的全過程并將數(shù)據(jù)實(shí)時(shí)獲取堯 回傳堯 以及統(tǒng)計(jì) 處理袁 具備了實(shí)時(shí)沉積效果評(píng)估的能力遙 新型傳 感器和物聯(lián)網(wǎng)技術(shù)的應(yīng)用豐富了作業(yè)效果評(píng)估的 技術(shù)手段袁 探索并實(shí)現(xiàn)大閉環(huán)施藥作業(yè)將成為新 的熱點(diǎn)遙 4 2 基于云端數(shù)據(jù)管理的作業(yè)過程監(jiān)管 植保無人機(jī)應(yīng)用呈爆發(fā)態(tài)勢(shì)袁 其作業(yè)過程產(chǎn) 生大量的數(shù)據(jù)和服務(wù)信息袁 采用物聯(lián)網(wǎng)技術(shù)袁 可 對(duì)無人機(jī)作業(yè)全過程數(shù)據(jù)進(jìn)行采集堯 分析堯 管 理袁 實(shí)現(xiàn)對(duì)農(nóng)作物長勢(shì)堯 病蟲害爆發(fā)趨勢(shì)堯 藥劑 使用綜合效果堯 種植面積變化趨勢(shì)和區(qū)域產(chǎn)量等 信息進(jìn)行動(dòng)態(tài)預(yù)測(cè) 61 62 遙 陳立平等通過采用 野機(jī) 載終端 網(wǎng)絡(luò)云服務(wù)器冶 的應(yīng)用模式袁 在無人機(jī) 體上加裝關(guān)鍵作業(yè)狀態(tài)信息傳感器和移動(dòng)數(shù)據(jù)通 信模塊袁 所采集的作業(yè)高度堯 流量和飛行速度等 信息袁 可直接通過公共數(shù)據(jù)網(wǎng)絡(luò)上傳至數(shù)據(jù)服務(wù) 器袁 再運(yùn)用多指標(biāo)約束的架次面積統(tǒng)計(jì)方法統(tǒng)計(jì) 作業(yè)量袁 評(píng)估作業(yè)質(zhì)量袁 最終可獲得區(qū)域總作業(yè) 量堯 病蟲害類型堯 基本作業(yè)效果和藥劑使用量估 計(jì)等宏觀信息遙 5 問題及建議 智能無人機(jī)植保是目前精準(zhǔn)農(nóng)業(yè)領(lǐng)域熱點(diǎn)技 術(shù)袁 表現(xiàn)出巨大的發(fā)展?jié)摿υ?但還需要在下列方 面開展進(jìn)一步研究探索院 淵1冤 進(jìn)一步開展基于遙感堯 地面?zhèn)鞲衅鲾?shù)據(jù) 的多源信息融合智能作業(yè)決策方法的研究袁 引入 固態(tài)激光雷達(dá)等新型復(fù)合光電探測(cè)技術(shù)袁 構(gòu)建針 對(duì)典型病蟲害的多源信息樣本庫袁 加強(qiáng)實(shí)時(shí)環(huán)境 感知和精準(zhǔn)對(duì)靶技術(shù)研究遙 淵2冤 目前的無人機(jī)用噴灑器械技術(shù)對(duì)尚未達(dá) 到高穿透性堯 窄霧滴粒徑譜的作業(yè)要求袁 需要進(jìn) 一步結(jié)合 MEMS技術(shù)堯 可控材料技術(shù)堯 探索霧 滴形成機(jī)理袁 創(chuàng)新噴灑器械結(jié)構(gòu)堯 控制方法袁 形 成精準(zhǔn)粒徑譜控制裝置遙 淵3冤 隨著作業(yè)經(jīng)驗(yàn)的積累和智能規(guī)劃方法的 引入袁 模擬仿真和快速數(shù)字推演技術(shù)使大部分過 程狀態(tài)變量在實(shí)際作業(yè)之前就已經(jīng)被準(zhǔn)確的估計(jì) 出來袁 在此基礎(chǔ)上可以開展基于虛擬樣本的強(qiáng)化 學(xué)習(xí)算法研究袁 探索障礙物規(guī)避和多機(jī)協(xié)同避碰 的智能植保作業(yè)路徑規(guī)劃方法遙 智能化植保無人機(jī)植保作業(yè)已成為未來精準(zhǔn) 農(nóng)業(yè)領(lǐng)域最具有前景的技術(shù)袁 必將引起新一輪農(nóng) 業(yè)生產(chǎn)技術(shù)變革袁 從而對(duì)農(nóng)業(yè)無人機(jī)植保技術(shù)的 研發(fā)堯 應(yīng)用造成深遠(yuǎn)的影響遙 1 陳曉明 王程龍 薄瑞 中國農(nóng)藥使用現(xiàn)狀及對(duì)策建議 J 農(nóng)藥科學(xué)與管理 2016 2 4 8 Chen X Wang C Bo R Current situation of Chinese pes ticide application and policy suggestions J Pesticide Sci ence and Administration 2016 2 4 8 2 楊陸強(qiáng) 果霖 朱加繁 等 我國農(nóng)用無人機(jī)發(fā)展概況與 展望 J 農(nóng)機(jī)化研究 2017 39 8 6 11 Yang L Guo L Zhu J et al The development situation and prospect of agricultural UAV in China J Journal of Agricultural Mechanization Research 2017 39 8 6 11 3 婁尚易 薛新宇 顧偉 等 農(nóng)用植保無人機(jī)的研究現(xiàn)狀 及趨勢(shì) J 農(nóng)機(jī)化研究 2017 12 1 6 Lou S Xue X Gu W et al Current status and trends of agricultural plant protection unmanned aerial vehicle J Journal of Agricultural Mechanization Research 2017 12 1 6 28 Vol 1 No 2 4 周志艷 臧英 羅錫文 等 中國農(nóng)業(yè)航空植保產(chǎn)業(yè)技術(shù) 創(chuàng)新發(fā)展戰(zhàn)略 J 農(nóng)業(yè)技術(shù)與裝備 2014 5 19 25 Zhou Z Zang Y Luo X et al Development strategy of technological innovation and innovation of Chinese agri cultural aviation plant protection industry J Agricultural Technology and Equipment 2014 5 19 25 5 尹選春 蘭玉彬 文晟 等 日本農(nóng)業(yè)航空技術(shù)發(fā)展及對(duì) 我國的啟示 J 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) 2018 39 02 1 8 Yin X Lan Y Wen S et al The development of Japan a gricultural aviation technology and its enlightenment for China J Journal of South China Agricultural University 2008 39 02 1 8 6 Gu K Xing M Ri G Evapotranspiration estimate in mi croscale at Onigi rice terraces using UAV J Research Report of Engineering Research Department of Universi ty of Nagasaki 2018 48 7 高林 楊貴軍 于海洋 等 基于無人機(jī)高光譜遙感的冬 小麥葉面積指數(shù)反演 J 農(nóng)業(yè)工程學(xué)報(bào) 2016 32 22 113 120 Gao L Yang G Yu H et al Retrieving winter wheat leaf area index based on unmanned aerial vehicle hyperspectral remote sensing J Transactions of the CSAE 2016 32 22 113 120 8 劉建剛 趙春江 楊貴軍 等 無人機(jī)遙感解析田間作物 表型信息研究進(jìn)展 J 農(nóng)業(yè)工程學(xué)報(bào) 2016 32 24 98 106 Liu J Zhao C Yang G et al Review of field based phe notyping by unmanned aerial vehicle remote sensing plat form J Transactions of the CSAE 2016 32 24 98 106 9 Yue J Feng H Yang G et al A comparison of regression techniques for estimation of above ground winter wheat biomass using near surface spectroscopy J Remote Sensing 2018 10 1 66 10 高林 楊貴軍 李紅軍 等 基于無人機(jī)數(shù)碼影像的冬 小麥葉面積指數(shù)探測(cè)研究 J 中國生態(tài)農(nóng)業(yè)學(xué)報(bào) 2016 24 9 1254 1264 Gao L Yang G Li H et al Winter wheat LAI estimation using unmanned aerial vehicle RGB imaging J Chinese Journal of Eco Agriculture 2016 24 9 1254 1264 11 Patrick A Pelham S Culbreath A et al High throughput phenotyping of tomato spot wilt disease in peanuts using unmanned aerial systems and multispectral imaging J IEEE Instrumentation on the other hand the effectiveness of plant protection operation is strong and it is necessary to spray the pesticides to the specific parts of crops at the prescribed time so as to ensure good pesticide application effect At present UAV plant protection technology mainly refers to the existing mature technology and flight platform in general aviation field to basically fly and spray However the lack of penetrating research and theoretical guidance on environmental perception in farmland operation the movement mechanism of droplets under the rotor airflow and the penetrability of the droplet to different crops canopy lead to low penetration rate of the UAV plant protection operation easy drifting frequent accidents large damage probability and low comprehensive operational efficiency Benefiting from the breakthroughs in artificial intelligence parallel computing technology and intelligent hardware the UAV plant protection technology is developing in the direction of intellectualization systematization and precision The real time perception of the environment under non established conditions intelligent job decision method based on intelligent recognition of crop diseases and pests the control of the toward target pesticide spraying control based on the