變量施藥技術(shù)研究現(xiàn)狀與前景分析

摘 要：變量施藥技術(shù)在提高農(nóng)藥利用率、實現(xiàn)有效的病蟲害防控和降低環(huán)境風(fēng)險方面具有巨大潛力和廣闊前景。重點分析了變量施藥的信息采集、噴霧決策和噴霧控制方式3個重要環(huán)節(jié)，通過對比超聲波傳感器、視覺傳感器和LiDAR（light detection and ranging）傳感器的研究現(xiàn)狀，指出傳感器的精度和穩(wěn)定性、實時響應(yīng)和操作延時、系統(tǒng)集成和數(shù)據(jù)融合是主要挑戰(zhàn)。在論述了當(dāng)前所采用的GA（ground area）模型、TRV（tree row volum）模型和LWA（leaf wall area）模型的基礎(chǔ)上，提出未來的研究應(yīng)致力于提升傳感器的精度和穩(wěn)定性，并結(jié)合多學(xué)科方法改進噴霧模型，對國內(nèi)外典型的變量噴霧技術(shù)進行介紹。旨在為變量施藥技術(shù)的發(fā)展與推廣提供一定的參考。

關(guān)鍵詞：變量施藥; 田間信息采集; 噴霧決策; 脈寬調(diào)制

中圖分類號：S49 " " " 文獻標(biāo)識碼：A " " "文章編號：1002-204X（2024）09-0011-08

doi：10.3969/j.issn.1002-204x.2024.09.004

Current Situation and Prospect in Research of Variable Pesticide

Application Technology

Zhou Haiwei， Ding Suming*， Xue Xinyu， Sun Zhu， Xu Yang

（Nanjing Institute of Agricultural Mechanization， Ministry of Agriculture and Rural Affairs， Nanjing， Jiangsu 210014）

Abstract Variable pesticide application technology has great potential and broad prospects in improving the utilization rate of pesticides， realizing effective pest control and reducing environmental risks. Three important links including information collection， spray decision-making and spray control mode of variable pesticide application were analyzed. Based on the comparison of research status of ultrasonic sensor， vision sensor and LiDAR （light detection and ranging） sensor， it is pointed out that sensor accuracy and stability， real-time response and operation delay， system integration and data fusion are the main challenges. Based on the discussion of the ground area （GA） model， tree row volum （TRV） model and leaf wall area （LWA） model， it is proposed that the future research should focus on improving the accuracy and stability of the sensor， and improve the spray model with multidisciplinary methods. The typical variable spraying technology at home and abroad is introduced in order to provide some reference for the development and popularization of variable pesticide application technology.

Key words Variable pesticide application; Field information collection; Spray decisionmaking; Pulse width modulation

變量施藥技術(shù)是現(xiàn)代農(nóng)業(yè)中重要的研究領(lǐng)域。針對傳統(tǒng)施藥方法往往存在藥劑浪費、環(huán)境污染[1]和不同農(nóng)作物、不同田塊的病蟲害情況存在顯著差異這兩方面問題[2-3]，統(tǒng)一施藥的方法難以滿足精準(zhǔn)防治需求。通過引入和推廣先進的變量施藥技術(shù)，可以顯著提高農(nóng)藥利用率，減少不必要的浪費，達到更好的防治效果[4-5]。目前，國際社會已經(jīng)普遍認可變量施藥技術(shù)在提高農(nóng)藥利用效率、實現(xiàn)病蟲害的有效防控，以及降低環(huán)境風(fēng)險方面的廣闊前景和巨大潛力[6]。美國、西歐等發(fā)達國家和地區(qū)已經(jīng)在變量施藥技術(shù)及其系統(tǒng)集成方面取得了顯著進展[7]，我國產(chǎn)業(yè)界和學(xué)術(shù)界也在積極開展相應(yīng)的探索性研究。

本文對比了3種傳感方法的優(yōu)缺點、重點分析了變量施藥的噴霧決策和基于PWM（Pulse Width Modulation）變量施藥控制系統(tǒng)等方面國內(nèi)外研究學(xué)者的研究現(xiàn)狀。

1 變量施藥技術(shù)構(gòu)成

變量施藥技術(shù)是通過收集作物的病害特征、形貌狀態(tài)和密植程度等對象信息，使用變量施藥控制系統(tǒng)制定精準(zhǔn)施藥策略，這些策略驅(qū)動變量執(zhí)行系統(tǒng)或裝置完成施藥過程，確保實時、高質(zhì)量的精準(zhǔn)施藥操作，實現(xiàn)按需施藥的目標(biāo)[8]。如圖1所示，變量施藥技術(shù)的關(guān)鍵是目標(biāo)信息采集、噴霧決策制定和變量施藥執(zhí)行3個環(huán)節(jié)[9]。

在變量施藥技術(shù)中，傳感器設(shè)備發(fā)揮著至關(guān)重要的作用。這些設(shè)備可以安裝在農(nóng)田中的固定位置，或搭載在農(nóng)業(yè)機械和無人機上，為后續(xù)的噴霧決策提供了全面、準(zhǔn)確的信息支持。數(shù)據(jù)采集完成后系統(tǒng)能夠根據(jù)實時數(shù)據(jù)和歷史數(shù)據(jù)，生成精準(zhǔn)的施藥策略。變量控制系統(tǒng)實時接收來自決策系統(tǒng)的指令，動態(tài)調(diào)整噴霧設(shè)備的工作狀態(tài)。執(zhí)行系統(tǒng)包括各種噴霧設(shè)備、控制裝置和執(zhí)行機構(gòu)。噴霧設(shè)備如噴霧器和噴頭，通過電磁閥等控制裝置實現(xiàn)精確的藥劑噴灑。

2 信息采集方式

田間信息采集是變量施藥最重要的環(huán)節(jié)之一，準(zhǔn)確的作物參數(shù)是噴施參數(shù)控制與執(zhí)行的數(shù)據(jù)基礎(chǔ)[10-11]。目前，國內(nèi)外變量施藥廣泛運用的信息采集方法主要分為基于地理信息技術(shù)和實時傳感器技術(shù)兩大類。表1主要對比2種方法的應(yīng)用原理和優(yōu)缺點，其中，基于地理信息技術(shù)的采集方法由于實時性較差、數(shù)據(jù)存儲量太大和成本高昂等明顯缺點，在變量施藥實際中應(yīng)用較少，因此在后續(xù)小節(jié)中不作主要介紹。近年國內(nèi)外學(xué)者常用機器視覺系統(tǒng)、超聲波測距傳感器和LiDAR探測傳感器來實時檢測田間特征參數(shù)，進而控制水泵轉(zhuǎn)速、電磁閥開度、氣流噴出口風(fēng)量等，達到變量噴霧的目的[10，12]。

2.1 基于超聲波傳感器的探測技術(shù)

超聲波測距技術(shù)的基本原理是通過測量超聲波在空氣中傳播的時間來計算目標(biāo)物體的距離。超聲波傳感器包含1個發(fā)射器和1個接收器。發(fā)射器發(fā)射高頻聲波（超聲波），頻率通常在20 kHz以上，超過人耳的聽覺范圍[18]。當(dāng)超聲波遇到目標(biāo)物體時，會發(fā)生反射，反射波返回到傳感器，被接收器接收，傳感器可以檢測到反射波的到達時間。超聲波傳感器通過計時器記錄從發(fā)射超聲波到接收到反射波的總時間（稱為飛行時間）。根據(jù)測得的飛行時間和超聲波在空氣中的傳播速度，可以計算出傳感器與目標(biāo)之間的距離[19]。

目標(biāo)信息有無的簡單檢測只需要使用1個超聲波傳感器[12]，GILES D K等[20]利用超聲波實時探測目標(biāo)樹木的顯現(xiàn)，采用單片機控制相應(yīng)噴嘴的開合，實現(xiàn)變量噴霧，然而這種方式無法測量樹冠尺寸大小等特征信息。宋淑然等[21-22]使用多個超聲波傳感器垂直組合成傳感器陣列，這些傳感器用于分層探測樹冠外邊界與噴霧機之間的距離，并基于此距離計算樹冠的高度、體積等參數(shù)。王萬章等[23]通過計算果樹兩側(cè)輪廓邊緣之間的距離來確定樹冠直徑，從而為果樹仿形噴霧的信息獲取提供了高效的技術(shù)路徑。殷文豪等[24]在藥箱支架兩側(cè)安裝了2組共10個防水型超聲波傳感器，持續(xù)探測兩側(cè)枸杞植株的樹冠大小和冠層密度等數(shù)據(jù)，并將信息傳輸?shù)娇刂破鳎刂破鲀?nèi)的單片機根據(jù)建立的枸杞植株模型和拖拉機的行駛速度，指定對應(yīng)的施藥策略，發(fā)出對應(yīng)的PWM信號，生成控制電流信號，調(diào)節(jié)閥門的閉合，實現(xiàn)精準(zhǔn)的流量控制。

上述國內(nèi)外專家學(xué)者的研究采用超聲波傳感器作為檢測裝置，因為該類傳感器具有原理簡單、魯棒性好、成本低等優(yōu)勢，推動了變量噴霧技術(shù)的發(fā)展，但是由于環(huán)境因素補償、波束角和檢測范圍受限、采樣頻率有待提高等問題，無法滿足更高精度的變量噴霧需求。

2.2 基于視覺傳感器的探測技術(shù)

機器視覺技術(shù)可以通過對圖像分析，確定目標(biāo)位置及病蟲害信息，且能夠較好地區(qū)分目標(biāo)和障礙物[25]。視覺傳感器主要包括攝像頭、鏡頭和圖像采集卡等，攝像頭捕捉被測物體的圖像，將其轉(zhuǎn)換為電子信號，圖像采集卡將這些電子信號轉(zhuǎn)換為數(shù)字圖像數(shù)據(jù)，并傳輸?shù)接嬎阍O(shè)備進行處理[26]。

國外學(xué)者TIAN L[27]等研制了一種通過多路相機采集圖像信息的智能噴霧系統(tǒng)，是通過控制器對每個噴頭進行獨立控制，視覺傳感器實時探測田間雜草密度和位置，并依此決定噴頭的開閉。MOSHOU D[28]等利用健康小麥和病害小麥之間的顏色差異，采用CCD傳感器、光譜儀及相應(yīng)的圖像處理算法進行數(shù)據(jù)分析，從而制定噴灑策略。葛玉峰等[29]開發(fā)了利用實時系統(tǒng)采集和處理樹木圖像特征的方法，實時采集的樹木圖像被處理和分析，用于優(yōu)化施藥決策，提升了農(nóng)藥的施用效率和效果。丁為民等[30]通過單目相機拍攝樹冠圖像，可以獲取樹冠的面積特征。然后，采用最小二乘法和五點參數(shù)標(biāo)定模型的方法，構(gòu)建了一個通用的樹冠面積與體積關(guān)系模型。

由于使用單個攝像頭在深度感知上存在局限，它只能通過圖像的二維信息進行推測，因此國內(nèi)外研究學(xué)者將立體視覺技術(shù)引入變量施藥系統(tǒng)。立體視覺是通過雙目相機獲取兩視野中的目標(biāo)圖像，再根據(jù)三角測量原理計算不同圖像對應(yīng)像素間的視差，獲取深度信息。蔡健榮等[31]采用歸一化互相關(guān)法提取果樹枝骨架，利用雙目立體視覺原理計算樹枝骨架特征點的空間坐標(biāo)，再求取樹枝半徑，分枝點斷開形成簡單線圖形，簡化了樹枝三維信息。樊海風(fēng)等[32]采用基于平面標(biāo)定板的相機標(biāo)定方法，在不同位置拍攝標(biāo)定板圖像，計算相機的內(nèi)外參數(shù)作為初始值，結(jié)合相機的非線性模型，利用最大似然估計法優(yōu)化相機的內(nèi)外參數(shù)。

盡管立體視覺在深度感知和三維重建方面具有顯著優(yōu)勢，但其需要計算兩圖像之間的視差圖，對處理器性能要求較高。攝像頭的校準(zhǔn)是一個難題，2個攝像頭必須精確對齊，任何微小的誤差都會影響深度計算的準(zhǔn)確性[33]。此外，立體視覺系統(tǒng)對視差的變化非常敏感，當(dāng)視差較小時，深度估計的準(zhǔn)確性會下降，而視差過大時，系統(tǒng)可能出現(xiàn)匹配錯誤[33]。

2.3 基于LiDAR的探測技術(shù)

LiDAR傳感器是一種通過發(fā)射激光束并測量其返回時間來確定物體距離和形狀的技術(shù)。與超聲波傳感器和視覺傳感器相比，LiDAR在多個方面顯示出顯著優(yōu)點[34]。LiDAR傳感器具有高精度、高分辨率和強大的抗干擾能力[35]，不僅能夠在各種惡劣環(huán)境下穩(wěn)定工作，還能快速獲取三維空間信息，為變量噴霧提供可靠的數(shù)據(jù)支持[36]。

CAI J C等[37]通過LiDAR獲取果樹冠層的點云數(shù)據(jù)，開發(fā)了一種用于計算冠層體積的網(wǎng)格化模型，該模型的體積計算相對誤差小于5%。在此模型基礎(chǔ)上，他們研制出一款果園對靶變量噴霧機，能夠根據(jù)果樹冠層體積的變化精準(zhǔn)調(diào)整噴藥量，從而實現(xiàn)對靶變量噴藥。WALKLATE P J等[38]將LiDAR傳感器固定在拖拉機上，利用飛行時間技術(shù)計算樹冠攔截激光的位置和角度，從而迅速重建樹冠的結(jié)構(gòu)特征，包括高度、寬度和平均冠層密度。喬白羽等[39]研制了一套基于三維LiDAR實時掃描的高地隙寬幅噴霧機，采用16線激光雷達傳感器進行研究，結(jié)果顯示，其激光雷達能夠準(zhǔn)確識別甘蔗的株高，測量誤差在0.17%～8.42%之間，平均誤差為4.59%。管賢平等[36]采用美國Velodyne公司的VLP-16型三維激光掃描儀完成大豆冠層幾何參數(shù)提取，降低LiDAR探測系統(tǒng)在沿前進運動方向、垂直運動方向、垂直地面方向的最大誤差，實現(xiàn)高精度的提取方法。袁鵬成等[40]設(shè)計了一種結(jié)合LiDAR和地速傳感器數(shù)據(jù)的實時靶向噴霧系統(tǒng)，通過自適應(yīng)延時模型控制電磁閥的開閉，該系統(tǒng)可以識別的最小間距在80～180 mm之間。

隨著現(xiàn)代農(nóng)業(yè)對噴霧作業(yè)要求的不斷提高，基于抗干擾能力弱的紅外傳感器和超聲波測距傳感器的果樹特征參數(shù)檢測技術(shù)已逐漸不能滿足變量噴霧的發(fā)展需求;機器視覺技術(shù)存在高延時性，實際應(yīng)用困難。綜上所述，對比3種傳感器的優(yōu)劣得表2，可以看出LiDAR傳感器獲取的信息和測量精度都具有較大的優(yōu)勢，是未來田間信息采集研究的首選方法。

隨著對目標(biāo)全方位信息需求的不斷增加，變量施藥技術(shù)逐漸轉(zhuǎn)向多傳感器組合的測量方式，并引起了越來越多的關(guān)注。不同傳感器在解釋算法、分辨率、數(shù)據(jù)生成量和處理時間等方面各有不同，這些差異帶來了數(shù)據(jù)融合處理的復(fù)雜性。因此，如何將來自不同傳感器的信息有效地融合和處理，成為了未來研究的關(guān)鍵方向。這不僅涉及傳感器數(shù)據(jù)的同步和校準(zhǔn)，還需要發(fā)展先進的數(shù)據(jù)融合算法，以確保融合后的信息具有更高的準(zhǔn)確性和可靠性。研究人員正在探索各種方法，包括機器學(xué)習(xí)和人工智能技術(shù)，以實現(xiàn)更加智能化的多傳感器數(shù)據(jù)處理，從而提升變量施藥技術(shù)的整體效能和應(yīng)用廣度。

3 噴霧量計算與決策模型

3.1 噴霧量計算模型

根據(jù)目標(biāo)特征及病蟲害程度進行噴霧量計算以實現(xiàn)最佳的噴霧效果是變量施藥的根本目的。目前普遍采用的施藥量計算模型包括基于果園面積（GA）、基于冠層體積（TRV）和基于樹體面積（LWA）3種[41]，如表3所示?；谀繕?biāo)作物所占面積（GA）的施藥計算模型不考慮不同作物參數(shù)的差異，可能導(dǎo)致藥液浪費和施藥不均勻。冠層體積（TRV）模型由美國的SANTIAGO P等[42]于1971年首次提出，它指作物冠層的立方體積，并實驗出噴施藥液量與TRV之間的比例為0.093 L·m-3。葉墻面積（LWA）模型是TRV模型的一種，它假設(shè)冠層寬度對噴施效果無顯著性影響，主要影響因素有樹高和種植行距。Rüegg J等[43]研究證明當(dāng)考慮到寬度不可忽略且葉片數(shù)量是決定噴霧沉積的主要因素時，LWA模型過于簡化無法準(zhǔn)確表達冠層結(jié)構(gòu)。薛秀云等[44]研究基于K_LWA的施藥量計算模型，進一步計算PWM占空比來調(diào)節(jié)電磁閥的閉合，實現(xiàn)基于LWA的變量噴霧。

式中：QGA為單位面積內(nèi)的噴霧量，單位為L·hm-2;qs為單位噴頭的流量，單位為L·min-1;N為噴頭數(shù)量;B為噴幅，單位為m;v為噴霧機速度，單位為km·h-1;q為單位冠層長度上噴霧機的噴霧量，單位為L;i'為每m3冠層體積所需的噴霧量，單位為L·hm-2;QLWA為單位樹體面積所需的噴霧量，單位為L·hm-2。

這些模型在農(nóng)業(yè)施藥中提供了不同的解決方案，但這些模型僅以施藥目標(biāo)的單一特征作為參考，因此限制了其精準(zhǔn)施藥的效果。未來的發(fā)展應(yīng)整合多種因素，如考慮病蟲害程度及環(huán)境條件，建立多學(xué)科融合的噴霧量計算模型是未來研究的重中之重。

3.2 噴霧決策模型

變量噴霧決策模型，主要包括對靶決策模型、多態(tài)對靶決策模型和連續(xù)對靶決策模型等類型[10]。對靶決策模型通過預(yù)設(shè)的閾值來判斷是否進行噴霧。多態(tài)對靶決策模型則根據(jù)不同靶標(biāo)特性和環(huán)境參數(shù)，動態(tài)調(diào)整噴霧策略，而連續(xù)對靶決策模型通過PWM電磁閥來控制噴霧的流量。這些噴霧決策模型在提高藥液利用率和提升施藥效果等方面展現(xiàn)出巨大的潛力和應(yīng)用前景。

3.2.1 對靶決策模型

對靶決策模型是在感知到范圍閾值內(nèi)的靶標(biāo)有無后進行相應(yīng)的噴霧決策。當(dāng)靶標(biāo)進入傳感器設(shè)定的距離閾值范圍內(nèi)，傳感器會生成一個信號傳輸?shù)缴衔粰C，上位機對信號進行數(shù)據(jù)處理，根據(jù)處理后的數(shù)據(jù)執(zhí)行是否進行二進制選擇（施藥或不施藥）[45]。該模型需要將傳感器安裝在噴頭前方，并設(shè)置適當(dāng)?shù)难訒r時間，因為傳感器數(shù)量有限，必須根據(jù)冠層高度和噴霧機的狀態(tài)來調(diào)整傳感器和噴頭的位置[46]。BERGE T W等[47]將Rometron公司的WEED-IT安裝于噴頭前側(cè)上方，進行橫向、豎向距離校正后，用于休耕地塊的除草作業(yè)。呂英杰[48]將RGB工業(yè)相機安裝于噴頭正上方，進行靶標(biāo)識別和噴頭動作監(jiān)測，構(gòu)建了世界坐標(biāo)系中的噴頭位置關(guān)系模型。李文偉等[49]利用車身姿態(tài)傳感器數(shù)據(jù)修正自主導(dǎo)航激光雷達獲取的點云數(shù)據(jù)，計算得到噴頭目標(biāo)仰角，并判斷兩側(cè)樹行有無果樹靶標(biāo)，得到靶標(biāo)噴霧控制指令。

3.2.2 多態(tài)對靶決策模型

多態(tài)對靶決策的噴霧量可根據(jù)靶標(biāo)的不同來噴施不同的藥劑量，并根據(jù)冠層參數(shù)調(diào)整噴頭的數(shù)量和狀態(tài)，從而實現(xiàn)離散化的變量施藥[50]。與對靶施藥決策相比，多態(tài)對靶施藥決策數(shù)據(jù)處理復(fù)雜，需要識別和分類不同的靶標(biāo)，采集和分析詳細的冠層參數(shù)。決策基于多種變量，能夠?qū)Σ煌袠?biāo)和不同區(qū)域進行精確施藥，適用于復(fù)雜的環(huán)境和多樣的靶標(biāo)情況。黃河[51]采用基于位移檢測的矩形離散化方案對目標(biāo)噴灑域等效圓進行離散化處理，實現(xiàn)對目標(biāo)噴灑域內(nèi)霧量分布均勻性的控制。劉理民等[50]將此模型運用在果園當(dāng)中，實現(xiàn)了對不同冠層寬度靶標(biāo)的多狀態(tài)噴霧。

4 變量噴霧控制

常見的變量噴霧控制方式主要包括變壓力控制、變量噴頭控制和基于PWM技術(shù)的控制[52]。根據(jù)不同應(yīng)用場景，選擇合適的噴霧控制方式能夠有效提高施藥效果和效率，滿足現(xiàn)代農(nóng)業(yè)的多樣化需求。

4.1 變壓力輸出控制

變壓力輸出控制通過調(diào)節(jié)噴霧器的工作壓力來控制噴霧量。增加壓力會使噴霧液體噴射速度加快，從而增加噴霧量;反之，降低壓力則會減少噴霧量[53]。這種控制方式具有操作簡便、反應(yīng)迅速的優(yōu)點，但也存在一些局限性，例如壓力的變化會影響噴霧顆粒的均勻性和覆蓋效果，可能導(dǎo)致藥液分布不均勻[54]，并且在高壓運行時的能耗較高，不利于節(jié)能環(huán)保。

4.2 變量噴頭輸出控制

變量噴頭通過改變噴頭內(nèi)的孔徑、角度以及噴霧通道的形狀，可以精確控制藥液的流量和噴射角度，確保藥液均勻覆蓋目標(biāo)區(qū)域。

WOMAC A R等[55]設(shè)計了一種新的雙隨動器件變量噴頭，通過調(diào)整定流芯的位置來實現(xiàn)流量的變化，這種設(shè)計允許噴頭在不改變外部結(jié)構(gòu)的情況下精確控制流量。黃曉宇等[56]根據(jù)磁流變效應(yīng)理論，設(shè)置不同的線圈電壓和磁流變液的注入量進行流量測試，分析這些因素對噴頭流量的影響。袁壽其等[57]研制了一種異形噴嘴變量噴頭，在搖臂式噴頭基礎(chǔ)上加上動靜片和改裝異形噴嘴裝置，減小了現(xiàn)有變域噴灑噴頭的均勻性，使其容易受工作壓力波動的影響。楊光玉等[58]設(shè)計了一種三層智能離心式變量噴頭，確保噴幅不變的情況下實現(xiàn)噴灑藥量的調(diào)節(jié)。

變量噴頭輸出控制盡管提供了較高的精確性，但這種結(jié)構(gòu)復(fù)雜性增加了制造和維護成本，使得噴頭的初始投資較高。而且內(nèi)部結(jié)構(gòu)的頻繁改動，可能需要更復(fù)雜的控制系統(tǒng)和算法支持，這進一步增加了系統(tǒng)的復(fù)雜性和故障風(fēng)險。

4.3 PWM輸出控制

PWM（脈沖寬度調(diào)節(jié)）廣泛運用于化學(xué)農(nóng)藥噴施等領(lǐng)域，通常采用連續(xù)對靶噴霧決策，該技術(shù)通過改變電磁閥的通斷頻率和占空比來控制噴頭流量。PWM信號是由1個控制電路（例如微控制器或?qū)Ｓ每刂菩酒┩ㄟ^傳感器反饋和預(yù)設(shè)的控制算法來生成。

占空比是脈沖寬度調(diào)制的核心參數(shù)，決定了噴霧器在一個周期內(nèi)的工作時間比例。較高的占空比意味著噴霧器在一個周期內(nèi)開啟的時間更長，噴霧強度增加。而PWM信號的頻率決定了噴霧器的開關(guān)速度。高頻率可以產(chǎn)生更細密、連續(xù)的噴霧，而低頻率可以產(chǎn)生間歇性的噴霧，以此達到變量施藥的效果。PWM調(diào)流技術(shù)響應(yīng)速度快，流量調(diào)節(jié)范圍較大[59]，國內(nèi)外相關(guān)學(xué)者開展了諸多研究。

劉大印等[60]將PWM和速度相結(jié)合，自動調(diào)節(jié)PWM的值。在系統(tǒng)壓力和脈沖信號頻率恒定的條件下，通過調(diào)節(jié)電磁閥的開啟和關(guān)閉時間，可以改變噴嘴的流量。蔣煥煜等[61]利用卡爾曼濾波法，建立PWM噴霧流量模型。MANGUS D L等[62]設(shè)計了一種基于PWM的流量控制系統(tǒng)，并深入研究了車輛行駛速度和噴霧帶寬度變化對噴霧覆蓋度的影響。JIANG H Y等[63]通過建立PWM變量噴霧實驗平臺，對不同實驗因素影響下單噴嘴動態(tài)噴霧的均勻性進行評價，為PWM變量噴霧操作參數(shù)的設(shè)置提供實驗依據(jù)。李龍龍等[64]研制了一種基于變風(fēng)量的果園自動仿形噴霧機，利用PWM間歇式噴霧技術(shù)調(diào)節(jié)噴頭流量，將調(diào)節(jié)風(fēng)量和噴霧量結(jié)合，實現(xiàn)果樹仿形變量施藥。GRELLA M等[65]研究了PWM占空比以及噴霧機行進速度對葡萄樹噴霧覆蓋率的影響。綜上所述，可以看出PWM調(diào)節(jié)技術(shù)的優(yōu)點如表4所示。

5 總結(jié)與展望

本研究深入探討了基于實時傳感器的變量施藥技術(shù)，分析了該技術(shù)在提高施藥精度和效率方面的顯著優(yōu)勢。通過對比多種信息采集方法及其在變量施藥中的應(yīng)用效果來看，國內(nèi)施藥裝備還存在以下問題：

（1）傳感器精度與穩(wěn)定性。盡管超聲波傳感器、視覺傳感器和LiDAR在不同應(yīng)用場景下各具優(yōu)勢，但仍存在一定的局限性。例如超聲波傳感器受環(huán)境因素影響較大，視覺傳感器依賴光照條件，而LiDAR在計算復(fù)雜度方面存在挑戰(zhàn)。

（2）實時響應(yīng)與操作延時。在實際應(yīng)用中，如何實現(xiàn)快速、精準(zhǔn)的響應(yīng)仍是一個亟待解決的問題。尤其在田間環(huán)境動態(tài)變化較快的情況下，實現(xiàn)實時的噴霧調(diào)整和精準(zhǔn)控制還存在較大的挑戰(zhàn)性。

（3）系統(tǒng)集成與數(shù)據(jù)融合。不同類型傳感器的數(shù)據(jù)融合與系統(tǒng)集成面臨技術(shù)難題，需要額外的校準(zhǔn)和協(xié)調(diào)工作，以確保數(shù)據(jù)的一致性和可靠性。不同傳感器之間的協(xié)調(diào)問題亟待解決，以提高系統(tǒng)的整體性能。

未來的研究應(yīng)致力于提升各類傳感器的精度和穩(wěn)定性，并開發(fā)更高效的數(shù)據(jù)融合和系統(tǒng)集成方法，以提高系統(tǒng)的整體性能和適應(yīng)性。例如可以通過多傳感器融合技術(shù)，將超聲波、視覺和LiDAR傳感器的數(shù)據(jù)進行綜合處理，取長補短，實現(xiàn)更全面和準(zhǔn)確的田間信息采集。同時，隨著人工智能和機器學(xué)習(xí)技術(shù)的不斷發(fā)展，智能化變量施藥系統(tǒng)將能夠通過實時數(shù)據(jù)分析和自學(xué)習(xí)算法，實現(xiàn)對噴霧參數(shù)的動態(tài)調(diào)整，進一步提升噴霧精度和效率。在環(huán)保和可持續(xù)發(fā)展方面，變量施藥系統(tǒng)能夠通過精準(zhǔn)控制藥液噴灑量，減少農(nóng)藥的過量使用，降低對環(huán)境的污染。這不僅符合現(xiàn)代農(nóng)業(yè)綠色發(fā)展的需求，也能提高農(nóng)作物的產(chǎn)量和質(zhì)量，為農(nóng)業(yè)現(xiàn)代化提供堅實的技術(shù)支撐，實現(xiàn)經(jīng)濟效益和生態(tài)效益的雙贏。

參考文獻：

[1] 王朔. 植保無人機變量噴灑系統(tǒng)研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（10）：245-250.

[2] 馮耀寧，裴亮，陳曉，等. 變量施藥關(guān)鍵技術(shù)綜述[J]. 中國農(nóng)機化學(xué)報，2021，42（12）：65-71.

[3] 吳阿敏，姜寬舒，趙夢龍，等. 淺談植保無人機的精準(zhǔn)噴灑[J]. 科技視界，2018（29）：105-106，70.

[4] 王果，張曉，陳曉，等. 農(nóng)藥精準(zhǔn)施用技術(shù)與裝備研究現(xiàn)狀及展望[J]. 中國農(nóng)機化學(xué)報，2023，44（6）：68-73.

[5] 孔輝. 基于PWM多參數(shù)調(diào)制的智能變量噴施系統(tǒng)[D]. 淄博：山東理工大學(xué)，2020.

[6] 何雄奎. 植保精準(zhǔn)施藥技術(shù)裝備[J]. 農(nóng)業(yè)工程技術(shù)，2017，37（30）：22-26.

[7] 邱白晶，閆潤，馬靖，等. 變量噴霧技術(shù)研究進展分析[J]. 農(nóng)業(yè)機械學(xué)報，2015，46（3）：59-72.

[8] 刁智華，刁春迎，魏玉泉，等. 精準(zhǔn)施藥機器人關(guān)鍵技術(shù)研究進展[J]. 農(nóng)機化研究，2017，39（11）：1-6.

[9] 何雄奎. 中國精準(zhǔn)施藥技術(shù)和裝備研究現(xiàn)狀及發(fā)展建議[J]. 智慧農(nóng)業(yè)（中英文），2020，2（1）：133-146.

[10] 周良富，薛新宇，周立新，等. 果園變量噴霧技術(shù)研究現(xiàn)狀與前景分析[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（23）：80-92.

[11] 劉慧，夏偉，沈躍，等. 基于實時傳感器的精密變量噴霧發(fā)展概況[J]. 中國農(nóng)機化學(xué)報，2016，37（3）：238-

244，260.

[12] 陳建澤. 基于LiDAR的樹冠特征參數(shù)檢測及變量噴霧特性研究[D]. 廣州：華南農(nóng)業(yè)大學(xué)，2018.

[13] 馬景宇，潘瑜春，趙春江，等. 基于GPS和GIS的農(nóng)田變量噴藥控制系統(tǒng)[J]. 微計算機信息，2006（4）：85-87.

[14] 歐陽真. 基于嵌入式GIS的小麥精確播種施肥機械智能控制軟件的設(shè)計與實現(xiàn)[D]. 南京：南京農(nóng)業(yè)大學(xué)，2019.

[15] LEE W， ALCHANATIS V， YANG C， et al. Sensing technologies for precision specialty crop production[J]. Computers and Electronics in Agriculture， 2010， 74（1）： 2-33.

[16] GU C， WANG X， YANG F， et al. Research progress on variable-rate spraying technology in orchards[J]. Applied Engineering in Agriculture， 2020， 36（6）： 927-942.

[17] GUAN Y， CHEN D， HE K， et al. Review on research and application of variable rate spray in agriculture[C]//2015 IEEE 10th Conference on Industrial Electronics and Applications （ICIEA）： IEEE， 2015： 1575-1580.

[18] Rovira-Más F， ZHANG Q， REID J. Creation of three-dimensional crop maps based on aerial stereoimages[J]. Biosystems Engineering， 2004， 90（3）： 251-259.

[19] 陳細軍，葉濤，李磊，等. 移動機器人非視覺傳感器及其信號處理方法[J]. 機器人，2003（4）：313-317.

[20] GILESK K D， KLASSEN P， NIEDERHOLZER J F， et al. \"Smart\" sprayer technology provides environmental and economic benefits in California orchards[J]. California Agriculture， 2011， 65（2）： 85-89.

[21] 宋淑然，陳建澤，洪添勝，等. 果園柔性對靶噴霧裝置設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2015，31（10）：57-63.

[22] 陳澤鴻，陳建澤，宋淑然，等. 果園懸掛式柔性對靶噴霧裝置研制與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2022，38（18）：11-20.

[23] 王萬章，洪添勝，陸永超，等. 基于超聲波傳感器和DGPS的果樹冠徑檢測[J]. 農(nóng)業(yè)工程學(xué)報，2006（8）：158-161.

[24] 殷文豪，施愛平. 枸杞智能噴藥機的控制系統(tǒng)設(shè)計與試驗[J]. 湖北農(nóng)業(yè)科學(xué)，2022，61（23）：180-183.

[25] 周宏平，張超，許林云，等. 樹木精準(zhǔn)施藥技術(shù)研究進展[J]. 林業(yè)工程學(xué)報，2022，7（5）：12-22.

[26] YANG Y， ZHANG Y， HE T. Application analysis of machine vision technology in the agricultural inspection[C]//IFIP advances in information and communication technology， Computer and Computing Technologies in Agriculture IV， 2011： 316-321.

[27] TIAN L. Development of a sensor-based precision herbicide application system[J]. Computers and Electronics in Agriculture， 2002， 36（2）： 133-149.

[28] MOSHOU D， BRAVO C， WEST J， et al. Automatic detection of 'yellow rust' in wheat using reflectance measurements and neural networks[J]. Computers and Electronics in Agriculture， 2004， 44（3）： 173-188.

[29] 葛玉峰，周宏平，鄭加強，等. 基于機器視覺的室內(nèi)農(nóng)藥自動精確噴霧系統(tǒng)[J]. 農(nóng)業(yè)機械學(xué)報，2005（3）：86-89.

[30] 丁為民，趙思琪，趙三琴，等. 基于機器視覺的果樹樹冠體積測量方法研究[J]. 農(nóng)業(yè)機械學(xué)報，2016，47（6）：1-10，20.

[31] 蔡健榮，孫海波，李永平，等. 基于雙目立體視覺的果樹三維信息獲取與重構(gòu)[J]. 農(nóng)業(yè)機械學(xué)報，2012，43（3）：152-156.

[32] 樊海風(fēng). 基于機器視覺的棉花圖像分割與定位技術(shù)研究[D]. 重慶：重慶大學(xué)，2018.

[33] 李麗，張曉亮. 基于機器視覺的采摘機器人果實三維模型重構(gòu)與識別[J]. 農(nóng)機化研究，2021，43（10）：231-235.

[34] 劉慧，李寧，沈躍，等. 模擬復(fù)雜地形的噴霧靶標(biāo)激光檢測與三維重構(gòu)[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（18）：84-91.

[35] TUMBO S D， SALYANI M， WHITNEY J D， et al. Investigation of laser and ultrasonic ranging sensors for measurements of citrus canopy volume[J]. Applied Engineering in Agriculture， 2002， 18（3）： 367-372.

[36] 管賢平，劉寬，邱白晶，等. 基于機載三維激光掃描的大豆冠層幾何參數(shù)提取[J]. 農(nóng)業(yè)工程學(xué)報，2019，35（23）：96-103.

[37] CAI J C， WANG X， GAO Y Y， et al. Design and performance evaluation of a variable-rate orchard sprayer based on a laser-scanning sensor[J]. International Journal of Agricultural and Biological Engineering， 2019， 12（6）： 51-57.

[38] WALKLATE P J， CROSS J V， RICHARDSON G M， et al. Comparison of different spray volume deposition models using LIDAR measurements of apple orchards[J]. Biosystems Engineering， 2002， 82（3）： 253-267.

[39] 喬白羽，何雄奎，王志翀，等. 基于LiDAR掃描的高地隙寬幅噴霧機變量施藥系統(tǒng)研制[J]. 農(nóng)業(yè)工程學(xué)報，2020，36（14）：89-95.

[40] 袁鵬成，李秋潔，鄧賢，等. 基于LiDAR的對靶噴霧實時控制系統(tǒng)設(shè)計與試驗[J]. 農(nóng)業(yè)機械學(xué)報，2020，51（S1）：273-280.

[41] CRUZ G， FONTE A， Ramón S， et al. Dose expression for pesticide application in citrus： Influence of canopy size and sprayer[J]. Agronomy， 2020， 10（12）： 1887.

[42] SANTIAGO P， CARLA R， RICARDO S， et al. Bases for pesticide dose expression and adjustment in 3D crops and comparison of decision support systems[J]. The Science of the Total Environment， 2021， 806（Pt1）： 150357.

[43] Rüegg J， SIEGFRIED W， RAISIGL U， et al. Registration of plant protection products in EPPO countries： current status and possible approaches to harmonization[J]. EPPO Bulletin， 2001， 31（2）： 143-152.

[44] 薛秀云，許旭鋒，李震，等. 基于葉墻面積的果樹施藥量模型設(shè)計及試驗[J]. 農(nóng)業(yè)工程學(xué)報，2020，36（2）：16-22.

[45] 劉理民. 基于果樹冠層探測的變量噴霧技術(shù)研究與試驗[D]. 泰安：山東農(nóng)業(yè)大學(xué)，2019.

[46] 許林云，張昊天，張海鋒，等. 果園噴霧機自動對靶噴霧控制系統(tǒng)研制與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2014，30（22）：1-9.

[47] BERGE T W， GOLDBERG S， KASPERSEN K， et al. Towards machine vision based site-specific weed management in cereals[J]. Computers and "Electronics in "Agriculture， 2012（81）： 79-86.

[48] 呂英杰. 風(fēng)幕式變量噴霧機對靶噴霧參數(shù)優(yōu)化與試驗[D]. 哈爾濱：東北農(nóng)業(yè)大學(xué)，2020.

[49] 李文偉，江世界，徐平凡，等. 丘陵果園自走式小型靶標(biāo)跟隨噴霧機設(shè)計與試驗[J]. 農(nóng)業(yè)機械學(xué)報，2023，54（9）：188-197.

[50] 劉理民，何雄奎，劉亞佳，等. 對靶施藥技術(shù)裝備在植物病蟲草害防控中的應(yīng)用及展望[J]. 植物醫(yī)學(xué)，2023，2（5）：1-16.

[51] 黃河. 離散式變量噴霧模型與試驗研究[D]. 重慶：西南

大學(xué)，2016.

[52] 徐艷蕾，包佳林，付大平，等. 多噴頭組合變量噴藥系統(tǒng)的設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2016，32（17）：47-54.

[53] 史巖，祁力鈞，傅澤田，等. 壓力式變量噴霧系統(tǒng)建模與仿真[J]. 農(nóng)業(yè)工程學(xué)報，2004（5）：118-121.

[54] 邱白晶，李坤，沈成杰，等. 連續(xù)可變量噴霧系統(tǒng)響應(yīng)特性試驗[J]. 農(nóng)業(yè)機械學(xué)報，2010，41（9）：32-35，79.

[55] WOMAC A R， BUI Q D. Design and tests of a variable-flow fan nozzle[J]. Transactions of the Asae， 2002， 45（2）： 287-295.

[56] 黃曉宇，蘭玉彬，尹選春，等. 基于磁流變液的農(nóng)用變量噴頭設(shè)計及試驗[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報，2019，40（4）：92-99.

[57] 袁壽其，魏洋洋，李紅，等. 異形噴嘴變量噴頭結(jié)構(gòu)設(shè)計及其水量分布試驗[J]. 農(nóng)業(yè)工程學(xué)報，2010，26（9）：149-153.

[58] 楊光玉，蘭玉彬，耿麗杰，等. 三層智能離心式變量噴頭試驗研究[J]. 農(nóng)機化研究，2023，45（8）：155-160.

[59] 袁常健，張?zhí)m婷，韓虎，等. 電磁閥異步啟閉的PWM噴霧系統(tǒng)設(shè)計與試驗[J]. 農(nóng)機化研究，2024，46（2）：139-144.

[60] 劉大印，王秀，毛益進，等. 基于單片機PWM變量農(nóng)藥噴灑控制系統(tǒng)的研究[J]. 農(nóng)機化研究，2011，33（5）：99-103.

[61] 蔣煥煜，周鳴川，童俊華，等. 基于卡爾曼濾波的PWM變量噴霧控制研究[J]. 農(nóng)業(yè)機械學(xué)報，2014，45（10）：60-65.

[62] MANGUS D L， SHARDA A， ENGELHARDT A， et al. Analyzing the nozzle spray fan pattern of an agricultural sprayer using pulse width modulation technology to generate an on-ground coverage map[J]. Transactions of the Asabe， 2017， "60（2）： "315-325.

[63] JIANG H Y， ZHANG L J， SHI W N. Effects of operating parameters for dynamic PWM variable spray system on spray distribution uniformity[J]. IFAC-PapersOnLine， 2016， 49（16）： 216-220.

[64] 李龍龍，何雄奎，宋堅利，等. 基于變量噴霧的果園自動仿形噴霧機的設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（1）：70-76.

[65] GRELLA M， GIOELLI F， MARUCCO P， et al. Field assessment of a pulse width modulation （PWM） spray system applying different spray volumes： duty cycle and forward speed effects on vines spray coverage[J]. Precision Agriculture， 2021， 23（1）： 1-34.

責(zé)任編輯：周慧