升力与推进力解耦：基于浮力辅助混合平台与规则自适应喷洒的低漂移精准水稻种植

《SoftwareX》：Decoupling Lift from Propulsion: A Buoyancy-Assisted Hybrid Platform with Rule-Based Adaptive Spraying for Low-Drift Precision Rice Cultivation

　　

水稻栽培中植物生长调节剂（PGR）的精准施用受到传统喷洒平台的不稳定性、能量需求高和可控性有限的制约。本研究提出了一种基于规则的自适应决策支持框架无人机-气球混合系统，该系统集成了基于浮力的稳定机制、闭环流量控制和自适应决策，用于精准变量PGR施用。系统结合了氦气辅助气球平台以提供被动升力、基于无人机的冠层传感模块，以及采用比例-积分-微分（PID）控制的微控制器喷洒单元。该架构实现了升力与推进力的解耦，从而在喷洒作业中实现准静态定位并减少气动扰动。实验室实验表明，在50–250 mL min^-1范围内，流量稳定性高（变异系数（CV）< 5%），且在阶跃输入条件下具有快速动态响应（1–2 s）。稳定的流量条件产生了可控的雾滴粒径分布（120–220 μm），最大程度减少了易漂移的细雾滴。田间评估进一步证实，在真实稻田条件下，喷雾沉积均匀（CV < 15%）、漂移损失低（约3–4%）、质量回收率高（>95%）。基于规则的自适应决策支持框架的集成使得根据冠层条件进行变量施用成为可能，化学药剂用量减少15–25%，同时保持相当的覆盖度和均匀性。这些结果表明，喷洒性能受控制精度、雾滴形成和平台稳定性之间的耦合相互作用所支配，系统级集成对于实现一致且高效的输送至关重要。能量分析表明，与文献中报道的代表性多旋翼无人机喷洒系统相比，浮力辅助平台将能源强度降低了约40–60%，这主要是因为升力生成部分由被动浮力而非连续旋翼推力提供。然而，经济评估指出氦气消耗是主要的运营成本，揭示了大规模部署中的关键限制。总体而言，所提出的系统通过结合物理稳定性、智能控制和自适应喷洒，为精准农业提供了一种有前景的方法。未来开发应侧重于提高资源效率和可扩展性，以支持在可持续水稻生产系统中的更广泛采用。

**研究背景**
精准农业中，水稻栽培的植物生长调节剂（PGR）施用受限于传统喷洒平台的不稳定性、高能耗和可控性不足。传统背负式或拖拉机式喷雾器在稻田复杂水面环境下，难以实现均匀沉积，且存在操作疲劳和暴露风险。无人机（UAV）虽具灵活性，但受限于续航、载荷和气动不稳定，尤其在低空横风条件下，导致漂移和沉积不均。气球辅助平台通过浮力驱动升力，可降低推进能耗并增强位置稳定性，但现有研究多聚焦环境监测，未探索精准变量PGR施用。为此，研究人员提出一种浮力辅助混合平台，通过解耦升力与推进力，结合闭环控制、无人机冠层感知和规则自适应决策，以实现低漂移、高精度的水稻精准喷洒，并评估其性能与可持续性。该论文发表在《SoftwareX》。

**技术方法概述**
研究人员采用氦气辅助气球平台提供被动浮力，部分抵消平台重量并减少地面接触力和振动；基于无人机（UAV）的RGB图像获取冠层覆盖率、绿色度等指标，生成空间冠层密度图；通过规则自适应决策支持框架，将冠层密度分类（低、中、高）映射为对应喷洒速率设定值；采用比例-积分-微分（PID）闭环控制器调节脉宽调制（PWM）驱动隔膜泵，实现流量稳定；使用ISO标准扇形喷嘴，在实验室和田间评估流量稳定性、雾滴粒径、沉积均匀性、漂移和能量消耗。样本来源为泰国曼谷拉贾曼加拉理工大学试验稻田。

**研究结果**
**3.1 流量调节性能与动态稳定性**
通过PID闭环控制，系统在50–250 mL min^-1范围内保持变异系数（CV）< 5%，中间范围（100–180 mL min^-1）稳定性最佳。阶跃响应上升时间< 1 s，调节时间1–2 s，超调量低，稳态误差小。与开环系统相比，闭环控制使平均CV从9.84%降至2.64%，调节时间缩短69.9%，超调量降低80.2%。一阶加滞后（FOPDT）模型准确拟合液压动态，验证了低阶系统特性。

**3.2 雾滴特性与雾化行为**
雾滴体积中径（VMD）在120–220 μm之间，相对展宽（RSF）为0.46–0.58，表明可控雾化。随着压力从180 kPa增至280 kPa，VMD从215 μm降至128 μm，RSF在220–240 kPa时最小。液压稳定性指数与VMD呈正相关，表明PID控制减少压力波动，促进均匀雾滴形成。方差分析（ANOVA）显示压力对VMD和RSF影响极显著（p < 0.01）。

**3.3 动态响应特性与控制行为**
在100–200 mL min^-1阶跃转换中，系统上升时间0.42–0.55 s，调节时间1.15–1.48 s，超调量2.8–4.2%，稳态误差±1.1–1.5%。FOPDT模型预测与实验吻合，表明低阶动态适合嵌入式控制。浮力辅助减少振动，进一步改善控制一致性。

**3.4 喷雾模式分布与沉积均匀性**
田间评估显示，沉积CV < 15%，中央区域均匀性最佳，边缘因重叠衰减略有增加。喷雾高度对沉积均匀性影响最显著（p < 0.01），其次为行进距离和喷嘴间距。浮力辅助减少了平台振荡，使喷嘴高度更稳定，从而改善横向沉积分布。

**3.5 漂移减少性能**
漂移损失约3–4%，随下风距离增加迅速降低。主要归因于可控雾滴粒径（<100 μm细雾滴比例低）、扇形喷嘴稳定雾化、低压力操作以及浮力辅助减少喷嘴振动和轨迹偏转。ANOVA显示压力是漂移最显著因素（p < 0.01），行进速度和喷雾高度也显著（p < 0.05）。

**3.6 人工智能辅助变量喷洒性能**
根据无人机冠层密度图，规则自适应决策框架将低、中、高密度区域分别分配112.5、138.4、165.9 L ha^-1的喷洒速率，总化学药剂用量减少20.7%，同时沉积CV和漂移保持在可接受范围。系统总自适应响应周期约1.11 s，实现了实时闭环控制。ANOVA表明冠层密度分类对效率影响最显著（p < 0.01）。

**3.7 系统级性能、能源影响与实践局限**
系统整体性能源于液压调节、浮力稳定、雾滴动力和AI决策的耦合。浮力辅助使估算能耗从428.5 Wh ha^-1降至261.4 Wh ha^-1（降低约37.5%）。主要局限是氦气消耗成本高（占运营成本55–70%），以及强风下稳定性下降。统计验证浮力稳定机制对系统性能影响最显著（p < 0.01）。

**讨论与结论**
讨论部分强调，喷洒性能是控制精度、雾滴形成、平台稳定性和环境扰动之间耦合的系统级现象，而非独立子系统。浮力辅助通过解耦升力与推进力，减少气动扰动，提高沉积均匀性和漂移控制。经济评估指出氦气成本是主要障碍，但化学药剂节约可部分抵消。未来方向包括混合AI架构、多光谱传感、自主导航和生命周期评估。

**研究结论翻译**
本研究成功开发并验证了一种浮力辅助的AI控制混合喷洒平台，用于淹没水稻栽培中的精准PGR施用。通过氦气辅助稳定实现升力与推进力解耦，系统获得了准静态低扰动操作，显著提升了喷洒稳定性、沉积一致性和能源效率，相比传统无人机喷洒系统具有优势。集成的网络物理架构将被动浮力支撑、闭环液压调节、无人机冠层感知和AI辅助自适应决策整合于统一精准农业框架中。实验结果表明，嵌入式PID控制喷洒子系统在50–250 mL min^-1操作范围内保持高度稳定的流量调节，变异系数（CV）始终低于5%，并在约1–2秒内实现快速瞬态稳定。稳定的液压条件产生了最优120–220 μm范围内的可控雾滴粒径分布，从而减少过度细雾滴形成并降低漂移敏感性。田间评估进一步证实了水稻冠层内可接受的沉积均匀性（沉积CV通常低于15%），而实际操作条件下的靶标外漂移限制在约3–4%。无人机辅助冠层感知与轻量级AI变量控制的集成实现了根据空间植被密度变异性的自适应PGR施用。该自适应喷洒策略减少了约15–25%的化学药剂消耗，同时保持了与传统均匀施用相当的覆盖效率和沉积性能。此外，浮力辅助操作原理显著降低了推进能源需求，突显了被动升力农业平台在精准喷洒系统中改善可持续性和操作效率的潜力。结果进一步表明，精准喷洒性能应被解释为液压调节、结构稳定、雾滴动力学、气动扰动衰减和智能决策之间耦合相互作用产生的涌现系统级行为。因此，农业喷洒技术的优化应超越孤立的喷嘴或流量控制分析，转向集成网络物理系统设计。尽管本研究取得了有前景的性能，但仍有若干实际局限。对氦气的依赖引入了额外的运营成本和后勤限制，可能限制大规模部署。此外，当前AI框架采用相对简单的规则推理逻辑，可能无法完全捕捉不同环境条件下的复杂作物生理变异性。未来研究应聚焦于提高浮力资源效率、自主导航能力、混合AI架构、多光谱作物传感和生命周期可持续性评估，以进一步增强操作可扩展性和农艺效果。总体而言，所提出的智能无人机-气球混合平台作为一种下一代低能耗、低漂移和资源高效的精准喷洒技术，在可持续水稻生产系统中展现出巨大潜力。