《Smart Agricultural Technology》:A Review of Key Technologies in Variable-Rate Spreading Using Unmanned Aerial Systems (UAS)
编辑推荐:
本综述系统梳理了无人机变量撒播技术体系,聚焦于执行机构(离心/气力式排种器创新)与智能控制(处方图/VRT决策模式)两大核心模块。文章深入解析了气固耦合(CFD-DPM/CFD-DEM)仿真技术在优化撒播均匀性的突破性应用,并指出系统延迟补偿与多源信息融合是提升动态作业精度的关键。该研究为精准农业装备的智能化升级提供了重要理论支撑。
无人机系统变量撒播技术综述
引言
精准农业正推动农业管理向数字化、精细化转型,变量撒播技术(Variable-Rate Spreading Technology, VRST)作为提升资源利用效率的关键环节,其应用载体从传统地面机械向无人机系统(Unmanned Aerial Systems, UAS)拓展。无人机凭借非接触作业与高精度定位优势,为复杂地形下的高效作业提供了新方案。中国依托完整产业链与政策支持,在农业无人机保有量与作业面积上已占据全球领先地位,其作业效率较传统方式提升十倍以上,且能避免土壤压实带来增产潜力。
撒播执行机构的技术演进
撒播执行器是无人机变量撒播系统的最终执行单元,其性能直接决定作业质量。在无人机载荷与空间限制下,撒播技术向均匀撒播与行播两大方向演进。
均匀撒播技术中,离心式结构因简单可靠、有效幅宽大(5-10米)成为主流方案。其工作原理借鉴地面撒播机,通过高速旋转盘赋予颗粒离心力与切向速度,形成静态"环状"分布区。但传统离心装置易产生"中间稀疏、边缘密集"的带状分布(M形/双峰剖面)。为此,研究者通过优化撒播盘几何结构提升均匀性,例如采用曲直复合叶片设计,通过增设挡块引发颗粒二次碰撞,将肥粒均匀系数优化至14.7%(实验室条件)。
为克服离心结构易受风场干扰的缺陷,创新方案不断涌现:
- •
扫掠振动撒播装置通过垂直高频往复运动赋予颗粒初始向下速度,显著缩短颗粒空中滞留时间
- •
气力式撒播利用高速气流为载体,通过匹配风道气流速度与飞行速度,显著降低重播与漏播率
- •
点射式播种系统针对造林场景,将种子封装于特定质量种荚,利用重力加速度获得高末速度
行播技术聚焦油菜、水稻等作物对行距与成行率的严苛农艺要求,形成机械重力导流与气力强制输送两种技术路径。重力导流装置通过种管物理隔离降低旋翼下洗流干扰,但长导管存在起降安全风险。折叠式导种机构通过伺服电机实现非作业时自动收回,有效解决此问题。气力输送方案则通过高速气流赋予种子更大动能,使其能穿透流场扰动,如专设颗粒加速装置可显著提升行作成苗率。
气固耦合技术的突破性应用
无人机作业时旋翼产生的复杂下洗流场会扰乱颗粒轨迹,导致分布不均。针对此问题,气固耦合仿真技术形成成熟数值模拟方法:CFD-DPM模型适用于稀疏颗粒相(体积分数<10%)的大范围轨迹追踪,CFD-DEM耦合可精确计算颗粒间非弹性碰撞。在转子流场处理中,动量源方法(MSM)通过简化转子几何平衡计算精度与资源消耗,RNG k-ε模型因在处理高度弯曲流线方面的优势被广泛应用。
该技术通过指导设备迭代设计与作业参数优化展现应用价值:在内部流场优化中,CFD-DEM耦合模型可揭示直角弯管处易形成低速涡旋区的机理,通过优化管道曲率消除气流死区;在外部流场适应性方面,结合高速摄影技术可量化不同飞行高度下下洗流对侧向漂移的具体影响,通过调整排种管出种角度避开最强下洗流涡旋区,显著提升行播成苗率。
智能变量控制技术进展
变量撒播技术根据作物长势、土壤肥力等空间异质性制定差异化策略,其决策模式主要包括基于处方图的离线决策与基于传感器的实时决策两类。
处方图生成通过融合遥感影像与地面传感数据,结合克里金插值构建连续作业曲面。多源数据融合可实现信息互校正,如基于改进氮肥优化算法(NFOA)的水稻氮肥推荐图,结合随机森林算法优化籽粒氮含量(GNC)预测,提升处方图估计精度。但该模式面临数据获取效率低、决策模型鲁棒性不足等挑战。
实时决策模式利用机载传感器通过边缘计算动态生成作业指令,如集成16线激光雷达(LiDAR)的系统可基于冠层体积实时构建变量处方图,实现基于冠层结构的精准变量撒播。虽然感知精度与算力制约其大规模应用,但地面机械的成熟经验为无人机载荷小型化提供重要参考。
流场监控技术作为验证撒播精度的关键环节,其轻量化适配面临挑战。直接测量技术中:
- •
电容检测法通过颗粒介电常数差异实现测量,精度超96%但需严格温湿度补偿
- •
光电计数法通过颗粒遮光实现脉冲测量,中低流量下误差仅5.31%-5.65%
- •
压电冲击法利用陶瓷压电效应建立流量-电压模型,精度超94.89%但需专用减震机制
间接估计策略通过"电机转速-排肥流量"映射模型实现开环控制,虽成本最低但无法检测肥料结块等物理状态变化。
精准控制系统通过智能算法持续优化:单神经元自适应PID利用自学习能力在线调整参数,响应时间缩短至0.5秒以内;模糊-PID复合控制通过模糊逻辑处理大偏差提升响应速度,PID消除稳态误差;BP神经网络PID通过逼近系统逆模型显著降低跟踪误差。
系统延迟成为高精度作业的核心瓶颈。无人机飞行速度可达13米/秒,0.5秒延迟导致落点偏移超6米。延迟距离补偿法(LDCM)通过实时获取飞行速度矢量与GNSS数据计算施肥喷嘴校正坐标;前馈控制通过建立"流量-转速"动态响应模型预调设备参数,使延迟距离减少61.8%。
结论与展望
无人机变量撒播技术已成为现代精准农业的重要组成部分,其在提升作业效率、资源节约与环境适应性方面展现出显著潜力。未来重点应聚焦:
- 1.
研发高效可靠新式撒播机构,结合CFD模拟与风洞试验揭示动态风场对颗粒沉积分布的影响规律
- 2.
建立融合多源信息的三维感知系统,重点突破播量反演模型与系统滞差动态补偿模型
- 3.
构建覆盖多作物类型的智能撒播策略库,基于机器学习算法开发动态作业预测模型与决策支持系统
通过深化机电农艺融合与标准化建设,将持续推动精准农业的可持续发展。