基于PSO算法的多无人地面车辆果园植保路径规划与调度优化研究

针对大型果园植保作业中多无人地面车辆(UGV)的路径规划与调度难题，中国农业科学院团队提出了一种集成任务生成、路径规划和粒子群优化(PSO)算法的协同作业模型。该研究通过建立延迟时间计算模型和UGV初始分配策略，显著降低作业总时长50分钟（总时长约200分钟），并减少非喷洒行走能耗。成果为果园植保UGV集群的规模配置与作业优化提供了重要决策依据。

　　

随着精准农业技术的发展，果园植保作业正经历从传统人工作业向智能化转型的关键阶段。现代果园具有高度结构化的作业环境（行距4m、株距1.5m），但传统单机作业模式受限于农药装载量（40-250kg）和续航时间（1-2h），导致频繁往返补给基地，效率低下。尽管无人机(UAV)在田间作物表现优异，但其在果园应用受限于树冠穿透性差和载重不足（<45kg）等缺陷。相比之下，无人地面车辆(UGV)凭借更好的沉积效果和更高载重成为优选，但多UGV协同作业中的路径冲突、补给延迟等问题尚未有效解决。

中国农业科学院团队在《Computers and Electronics in Agriculture》发表的研究，创新性地将粒子群优化(PSO)算法应用于多UGV集群调度。研究以山东招远118.5公顷苹果园为实验场景，开发了包含三大核心模块的算法体系：基于作业路径聚类的任务集生成、非作业路径确定、以及UGV集群任务分配调度。通过建立延迟时间计算模型和UGV初始分配优化策略，实现了作业效率与能耗的双重优化。

关键技术方法包括：1）采用卷积神经网络(CNN)分析树冠健康状态以动态调整喷洒剂量；2）基于Voronoi图进行任务分区；3）运用多层遗传算法(LGA)优化作业时序；4）构建PSO模型优化UGV初始基地分配。实验数据来自配备GNSS和GIS系统的轻型UGV（<0.5吨）实际作业记录。

研究结果
问题描述
研究明确了多UGV在含多个补给基地的果园中的协同作业约束条件，包括同质化UGV特性、固定行间路径、动态补给需求等核心参数。通过量化分析发现，当UGV数量从1台增至3台时，时间效率提升最为显著。

方法论
提出的三维决策模型包含：1）将连续喷洒路径离散化为任务单元；2）建立能量消耗与路径长度的非线性关系模型；3）开发基于PSO的UGV-基地匹配算法。测试显示该算法能有效平衡各UGV作业结束时间差。

数值结果与讨论
在118.5公顷苹果园的仿真中，PSO算法使总作业时间较传统方法减少25%（约50分钟）。值得注意的是，采用低载量（低成本）UGV集群通过优化调度，可达到与高载量（高成本）单机相近的效率，这为设备选型提供了新思路。

结论与意义
该研究首次实现了果园植保多UGV系统的全流程优化，其创新点在于：1）整合补给基地约束的路径规划；2）开发延迟时间量化模型；3）验证UGV数量与载重量的效益平衡点。成果不仅将非喷洒能耗降低30%，更重要的是为时间敏感型病虫害防治提供了决策工具。研究团队特别指出，当果园面积超过80公顷时，采用3台载重150kg的UGV可实现最佳投入产出比，这一结论对规模化果园的智能化改造具有重要指导价值。