《Frontiers in Plant Science》：Unmanned aerial vehicle payload technology applications in agriculture and other low-altitude scenarios: a review
编辑推荐：
无人机（UAV）作为新一代智能装备，凭借其高机动性和强任务适应性，已逐渐成为多个行业不可或缺的工具。无人机载荷技术（UPT）是提升任务性能和扩展应用场景的关键支撑。UPT正迅速融入农业及其他关键领域，成为低空经济和智能作业的驱动力。本研究系统分析和讨论了UPT
无人机（UAV）作为新一代智能装备，凭借其高机动性和强任务适应性，已逐渐成为多个行业不可或缺的工具。无人机载荷技术（UPT）是提升任务性能和扩展应用场景的关键支撑。UPT正迅速融入农业及其他关键领域，成为低空经济和智能作业的驱动力。本研究系统分析和讨论了UPT的发展现状、典型应用场景及面临的挑战。通过对2012年至2025年全球UPT研究的全面综述，总结了研究热点并揭示了演变趋势。研究结果表明，UPT在典型应用领域取得了显著进展，包括作物监测、精准农业作业、农产品收获与空中运输、电力线巡检、应急响应和物流。然而，UPT仍受到自主感知和路径规划能力有限、载荷平台通用性不足、标准化设备接口缺乏，以及续航、通信和恶劣天气条件下运行稳定性等问题的制约。未来研究应聚焦于轻量化和多功能载荷设计、智能作业控制以及模块化标准化集成，同时构建“卫星-无人机-地面”协同感知与决策系统。本研究结果为促进无人机在农业及其他低空应用场景中的推广提供了理论参考和实践指导，从而有助于智慧农业和低空经济的可持续发展。
1 Introduction
近年来，随着无人机（UAV）技术的持续成熟，其正朝着平台化、模块化和智能化方向发展。任务载荷作为无人机作业的核心组件，成为低空航空系统研究的焦点。UAV载荷是完成各类任务的中心设备，直接影响作业能力和应用范围。需注意，“UAV载荷”指具体执行装置，而“无人机载荷技术（UPT）”是综合性技术体系，前者强调物理功能实现，后者侧重载荷集成、控制与系统协同。UPT涵盖农业工程、航空工程、自动控制、人工智能和材料科学等多学科，主要功能包括数据采集、精准农业和物资运输，是农业及其他低空应用场景中的关键组成部分。UAV任务载荷多样，包括传感器（如可见光、红外、多光谱、LiDAR）和致动装置（如喷洒系统、抓取机构、吊装模块），涉及高分辨率成像、多模态感知和任务执行等关键技术。在农业实践中，成像载荷广泛用于精准作物监测与保护，喷洒系统和变量控制单元推动智能化作业。配备多光谱、高光谱传感器或LiDAR的平台已用于作物生长评估、产量预测、病虫害检测、精准施肥和变量喷洒，显著提升农场管理的精准度和自动化水平。此外，UAV载荷还应用于工业检测与维护、军事侦察与排爆、环境监测等领域，为基础设施安全、态势感知和生态保护做出贡献。
2 Review methodology
为全面审视UAV任务载荷技术的发展轨迹及其在农业等典型场景中的应用趋势，本研究系统回顾了2012年至2025年间全球研究成果。文献主要来源于Web of Science、IEEE Xplore、ScienceDirect、SpringerLink、Elsevier、SciELO Citation Index等国际数据库，以及中国知网（CNKI）和万方数据等国内平台。检索关键词包括“Unmanned Aerial Vehicle (UAV)”、“Unmanned Aircraft System”、“Application of Unmanned Aerial Vehicles”、“Mission Payload”、“Modular Load System”和“Plant Protection Drone”，涵盖技术视角和应用背景。初步筛选获得超过1000篇文献，最终根据主题相关性、技术深度和引用频率等标准，选出190余篇作为理论基础。本研究采用系统筛选策略，排除简报、初稿和不相关出版物，重点审查图表数据、数据集来源和技术相关性，并评估算法可行性和应用价值，最终保留代表性研究。
3 Classification of UAV payloads
UPT是扩展UAV作业能力和增强多场景适应性的关键使能技术，正朝着多样化和功能集成化发展。本章系统分类和分析两类主要载荷——传感器载荷和致动器载荷的结构特征与代表性应用场景，为深入研究提供基础参考和概念框架。
3.1 Sensor-based payloads
传感器载荷是UAV执行各类任务的基础，在导航定位、环境感知和任务执行中发挥关键作用。通过多传感器集成与数据融合，UAV在复杂环境中的态势感知和作业稳定性显著提升。导航定位传感器包括惯性测量单元（IMU）、北斗卫星导航系统（BDS）/全球定位系统（GPS）接收机和MEMS器件，提供姿态、位置和速度等参数。研究表明，BDS和GPS联合定位比单系统具有更好的卫星可用性、几何精度和定位精度。集成低成本MEMS传感器与气压计的导航方案在复杂环境中实现高精度导航。环境感知传感器包括光、激光雷达（LiDAR）、毫米波雷达和超声波传感器，支持避障、建图和动态目标跟踪。例如，LiDAR结合多尺度圆柱检测技术实现树干点提取和胸径测量，精度达95.80%。任务执行传感器包括多光谱、高光谱相机和气体检测传感器，用于作物分类、灌溉方法识别、湿地植被制图和危险树检测，以及气体泄漏监测。尽管多传感器集成扩展了UAV能力，但仍面临载荷重量大、空间有限、续航受限以及数据协调和相互干扰等问题。未来研究应关注传感器在高温、高湿或遮挡条件下的可靠性，提升数据同步与融合效率，优化载荷与UAV平台的集成设计。
3.2 Actuator-type payloads
UAV载荷中的致动器是实现功能突破的关键类别，通常集成机械结构、电子控制系统和智能算法，提升环境适应性和作业性能。根据功能取向，可分为三类：动作执行模块（如多自由度机械臂、末端抓取器和部署机构），用于精确控制和平台运动执行；载荷交互装置（如采样装置、吊装装置和物流运输装置），用于远程操作和物资运输；仿生机构（如仿章鱼触手和仿鸟爪装置），具备结构适应性，增强复杂地形下的机动性。动作执行模块支持遥操作、力控制和视觉伺服模式，可灵活切换。抓取器集成伺服电机或气动执行器与力或视觉传感器，实现稳定抓取。部署机构用于物资投放或应急救援。载荷交互装置和仿生适应机制在物流配送、货物运输和样品采集等场景中广泛应用。尽管抓取器、采样装置和吊装机构在农业收获、水样采集和物资运输中初步应用，但仍存在抓取不稳定、识别不准确和适应性有限等问题。未来研究应强调结构设计和控制策略的协同推进，确保任务载荷在复杂环境中稳定安全运行。
4 Applications in agricultural scenarios
UPT在农业中的应用持续扩展，成为推动农业现代化和智能管理的关键手段。UAV通过IMU、BDS/GPS定位系统和遥控单元接收数据信号，利用机载致动和传感器载荷执行各类农业任务，多传感器反馈能力使作业更精准，包括作物监测、精准作业和农产品运输或收获。
4.1 Agricultural condition monitoring
作物生长监测是维持健康发展的关键。UPT在不同区域、作物种类、生产场景和监测指标中广泛应用。基于UAV的方法在作物胁迫检测、生长评估、病虫害识别和产量估算方面具有明显优势。配备多光谱、高光谱和热成像传感器的UAV可提供作物胁迫的详细信息，支持营养评估和精准田间管理。例如，利用UAV高光谱传感结合光谱变换和机器学习估算水稻氮营养指数；利用多源传感器捕捉冠层结构、光谱特征和纹理参数，实现实时生长评估和产量估算，应用于水稻、玉米、棉花、马铃薯等作物。在“卫星-UAV-地面”集成监测框架中，卫星提供大尺度宏观观测，地面传感器提供局部精细测量，UAV以其灵活飞行能力生成中间尺度高分辨率数据，增强监测的时空分辨率和分析精度。UPT在病虫害检测中同样优势显著，通过可见光、多光谱和热红外传感器高效捕捉作物异常变化，结合深度学习算法实现高精度分类。未来研究应聚焦于提升多传感器集成和平台智能化，扩展对不同作物和种植模式的适应性，推动UAV从独立监测工具向智能农业决策支持系统转变。
4.2 Precision agricultural applications
UPT在播种、施药和施肥等精准农业作业中展现出显著效率和质量提升。通过集成播种单元、喷洒系统和智能控制模块，UAV在复杂地形中高效完成精准作业。播种应用集中于播种装置设计、路径优化和精准排种，如自主UAV系统实现七倍于人工播种的效率，模块化播种控制系统结合PWM速率控制减少种子用量约40%。施药方面，UAV喷洒系统在多种作物中验证了有效性，通过优化飞行参数（如高度和速度）减少农药用量，并评估漂移特性，表明UAV喷洒在环境友好性方面具有优势。施肥方面，UAV配备离心盘施肥系统或变量控制装置，结合遥感数据与作物模型实现变量施肥决策，提高肥料利用率和作业均匀性。未来研究应关注轻量化、精密控制装置设计，集成遥感监测与变量处方图，发展多功能集成载荷，提升平台通用性和资源利用率。
4.3 Crop harvesting and aerial transport
在山地果园管理中，UPT为水果收获和运输提供新方案。在收获阶段，改进的YOLO模型实现高精度果实识别，气动优化提升UAV升力系数，机械臂实现高精度剪枝。在运输阶段，UAV空中运输系统实现自主抓取与卸载，运输成功率超过83%，效率是人工背运的三倍以上。工业实践中，多家公司推出可承载80-85 kg的农用运输无人机，配备自动摆消除、重量检测和自主飞行功能。尽管取得初步进展，但收获阶段在强光、遮挡和间作条件下的适应性有限，运输阶段对不同果箱和载荷的通用性仍需优化。未来可发展可调节抓取机构和标准化容器，集成LiDAR和立体视觉，提升复杂环境下的避障和作业稳定性。
5 Other typical low-altitude applications
UPT在工业、军事和公共服务领域同样发挥重要作用，包括电力线巡检、物流运输、工程测量、军事侦察和应急响应等。
5.1 Industry
传统工业向智能化转型，对UPT提出更高要求。UAV载荷在电力线巡检、物流运输、工程测量和军事任务中广泛采用，表现出强大发展潜力。
5.1.1 Power line inspection
UPT推动电力线巡检向自动化、智能化发展。UAV搭载RGB相机、红外热像仪和LiDAR传感器，实现高效、精准的巡检，减少人工风险。研究集成轻量化柔性机械臂实现接触式作业，开发自主巡检框架结合路径规划和改进YOLOX模型，实现全天候自动巡检。尽管进展显著，但恶劣天气、复杂地形和有限电池续航仍是挑战。未来应增强抗干扰通信、优化飞行控制系统和改进电池性能，探索多UAV协同巡检。
5.1.2 Logistics and transport
UPT在物流运输中提供新方案。研究涉及抓取机构优化、路径规划、续航管理等方面。例如，结合相机和ArUco标记实现室内精确抓取，碳纤维运输舱集成起落架功能，柔性螺旋软机器人实现高负载抓取，仿生爪机构实现主动-被动抓取。尽管在工厂物流和中短途运输中初步有效，但货物形状多样性、复杂环境识别和电池续航仍限制应用。未来应设计模块化快换多功能抓取器，集成多传感器融合和机器视觉，采用高效电池或无线充电，探索多UAV协同运输。
5.1.3 Engineering surveying
UPT在工程测量中提升效率与精度。UAV搭载传感器进行道路设计、土方测量、桥梁检测等。研究显示测量误差控制在2.36%-2.51%，效率提升30%以上，近景航空成像实现毫米级建筑立面模型。在密集建筑、严重遮挡环境中仍有局限。未来应改进自主路径规划和避障，提升多模态传感器融合精度，集成深度学习与智能调度，实现更高效智能化测量。
5.1.4 Military
UPT在军事领域用于排爆、侦察、物资保障等。六旋翼UAV集成机械爪和YOLOv5算法处理未爆弹药，模块化排爆夹爪提供轻量化高力输出，多UAV任务分配方法基于群体智能提升协同效率。智能侦察结合目标检测和强化学习提高识别精度。仍面临载荷能力有限、续航短和复杂环境性能不稳定等问题。未来应提高电池能量密度、优化多UAV协同控制、增强多传感器融合精度，探索模块化载荷设计。
5.2 Public services
UPT在公共服务中应用日益广泛，包括医疗物资运输、空中摄影、交通监测、食品配送和应急响应等。
5.2.1 Emergency response and medical transportation
UPT在自然灾害和医疗紧急情况中提升响应效率。消防UAV搭载机械抓取器投送灭火弹，视觉自主导航框架提高灾害现场智能化水平。医疗运输中，UAV成功完成人体肾脏运输，显著缩短响应时间，并改善偏远地区样本连接性。卡车-UAV协同配送模型降低36.84%成本。未来应集成多源传感器（LiDAR、热成像）提升恶劣环境下的路径识别，优化电池热管理和快速更换，推进空地信息联动机制。
5.2.2 Urban management and cultural applications
UPT在交通监控和空中摄影中展现实用性。软件定义UAV网络结合碰撞避免策略增强监控覆盖，深度学习实现高精度车辆检测，YOLOv4算法自动调整交通信号灯。空中摄影UAV模拟人类摄像师运动逻辑，实现流畅第一人称视角拍摄。仍面临低光照和恶劣天气下识别精度下降、通信中断等问题。未来可融合红外-可见光算法，采用多通道备份通信链路，结合场景识别实现智能规划。
5.2.3 Urban logistics and delivery
UPT在城市食品配送和快递服务中改变传统模式。多配送中心协同“UAV-骑手”联合配送模型降低运营成本并提升满意度。小型四旋翼UAV在多数场景下能耗更低，生命周期排放分析表明清洁能源可大幅减少碳排放。快递物流中，大型UAV携带小型UAV实现分布式配送，储物柜-UAV协同系统提升效率，室内空投系统结合柔性机械臂实现窗口递送。未来应整合多源定位技术（BDS/GPS、视觉、超宽带），构建多UAV调度下的能量管理模型，改进端点交互装置。
6 Conclusions and outlook
本研究回顾了UAV载荷在农业及其他典型场景中的发展现状和技术路径。UPT已形成覆盖播种、施肥、病虫害防治和作物监测的“天空地”一体化农业作业体系。多光谱和高光谱传感器增强作物监测与产量预测能力，喷洒系统与变量控制模块实现精准施肥施药。然而，在复杂田间环境中，自主感知和路径规划能力有限，载荷平台通用性低，设备接口缺乏标准化，续航、通信和恶劣天气下的稳定性问题突出。未来应聚焦轻量化多功能集成载荷设计，加强多源传感器数据融合，促进模块化和标准化集成，构建“卫星-UAV-地面”协同感知与决策机制，增强AI算法在作物识别、作业决策和路径规划中的应用。随着低空经济和农业现代化发展，UPT预计在农业、工业、军事和城市服务中持续扩展，推动作业模式变革和生产力提升。
