开发一种基于无人机的集成精准空中播种系统,用于稻田艺术创作

【字体: 时间:2026年03月13日 来源:Computers and Electronics in Agriculture 8.9

编辑推荐:

  基于无人机的精准分段播种系统研发及其在水稻画创作中的应用研究。该系统通过数学建模计算作业段中点坐标,结合多边形分组算法识别复杂边界图案,并创新性地设计分段触发控制策略,有效解决传统人工播种效率低、成本高的问题。实验表明,系统作业效率达0.1公顷/小时,较纯人工提升5.26倍,播种精度控制在±0.17米内,且能兼容多种作物组合种植模式。

  
作者:朱全伟、朱耀宗、史一泽、黄火龙、尹从龙、李文成、黄晓毛 所属机构:华中农业大学工程学院,中国武汉430070

摘要

创造性领域的农作物景观,以稻田艺术作品为例,能够提升农产品的附加经济价值,并促进第一产业与第三产业的融合。然而,目前通过传统方法创建此类景观主要依赖人工劳动,这种方式效率低下且成本高昂。此外,常规农业机械难以适应艺术图案的复杂边界以及在指定区域内进行混合种植的需求。为了解决这些问题,本文提出了一种基于无人机的精准空中播种(PAS)系统,用于创作稻田艺术作品。该系统的核心是一个按需启动-停止控制(SODC)系统,它整合了多个关键组件:用于计算作业段中点坐标的数学模型、系统延迟距离补偿方法、基于多边形分组的图案区域识别算法、生成作业指令的控制策略以及分层空中播种方案。通过仿真测试、现场试验和田间实验评估了该系统的性能。结果表明,空中播种过程中的程序执行时间短于GNSS模块的定位周期(0.1秒),满足了实时作业要求。启用延迟补偿后,图案边界处的种子沉积纵向偏差从1~1.79米减少到-0.19~0.17米,证明了高精度播种能力。虽然提高飞行速度会导致图案建模精度平均下降7.6%,但增加作业段数量可使精度平均提高27.78%。在田间实验中,两个测试案例的图案平均相似度(AS)分别达到87.25%和85.75%。此外,该系统的平均作业效率为0.1公顷/小时,是纯手工方法的5.26倍,劳动成本降低了92.88%。这些结果验证了该系统在真实田间条件下进行精确高效播种的能力。本研究为田间作物景观的机械化种植系统及相关精准农业应用提供了技术支持和参考。

引言

近年来,在国家乡村振兴政策以及第一、第二和第三产业融合的推动下,以稻田艺术作品和油菜-小麦景观为代表的田间作物景观在中国变得普遍。这些景观已成为提升田间作物附加价值、促进第一和第三产业综合发展的关键途径(Inakadate, 2025; Pappas, 2022; Huang et al., 2021, 2022b; Xiao et al., 2021)。 然而,起源于日本的稻田艺术作品的种植主要依赖于“九宫格法”。这种手工技术需要在指定田地内划出网格,使用测量杆和绳子标记图案的坐标位置和轮廓,然后进行播种或移栽(图1)(Zhang et al., 2021)。这种劳动密集型过程效率低下且成本高昂。同时,图案复杂的边界以及需要种植多种作物或品种的需求给常规农业机械带来了重大挑战。用于撒播的无人机(UAV)虽然具有较高的通航能力,但其作业精度往往不足以应对复杂边界区域。因此,缺乏合适的机械化解决方案严重限制了这种有价值经济模式的推广。 由于无人机具有高通航能力、精确的定位能力和完全自主运行的能力,它们已在农业生产中得到广泛应用。它们在作物保护、播种、施肥和遥感等多种任务中表现出色(Zhang et al., 2020; Ren et al., 2021; Huang et al., 2020; Qi et al., 2021; Li et al., 2023; Wu et al., 2020; Jiang et al., 2021)。已有初步探索利用无人机进行田间作物景观建模的研究。例如,Huang et al.(2022a)提出了一种使用高精度无人机采样边界的方法,替代了传统的手动GPS定位方法,减少了劳动力消耗并提高了作业效率。然而,随后在图案区域内的作物种植仍需要大量人工劳动。Zhou et al.(2024)提出了一种结合无人机播种技术和单向路径规划的作物景观描绘方法。无人机沿预先规划的作业路线飞行,根据实时评估的图案轮廓生成播种启动和停止指令。但这种方法的局限性在于,与传统的双向路径规划不同,仅使用单向路径会导致大量非作业飞行,从而降低整体效率和适用性。此外,在地面作业机械方面,Xu et al.(2023)开发了一种适用于油菜-小麦图案的机械化精准播种系统,该系统根据GNSS位置和预设图案自动切换模式。然而,该系统是否适用于需要三种或更多作物品种的油菜-小麦图案以及稻田艺术作品仍不明确。 在无人机空中播种领域,已确定了三种主要方法:撒播、条播和点播(Huang et al., 2020; Li et al., 2023; Liu et al., 2023; Sun et al., 2023; Wang et al., 2024; Zhu et al., 2025)。Huang et al.(2023)开发了一种新型电动驱动的条播装置,可实现厘米级精度的种子投放。该装置能够独立控制播种单元,有助于直接进行图案种植。然而,为传统作业设计的控制系统无法识别复杂的目标景观区域,其对作业单元的统一控制策略在应对复杂边界时适应性有限。 变量率技术(VRT)是一种精准农业技术,能够将指定数量的材料输送到目标区域。根据实施方法的不同,可分为基于处方图和基于传感器的方法(Alameen et al., 2019; Du et al., 2025)。基于处方的VRT利用GNSS获取实时地理坐标,然后解释处方图中指定参数的值,并控制施药装置释放相应数量的种子或肥料。这种方法已广泛应用于地面和无人机。例如,He et al.(2019a, 2019b)为玉米精准播种机设计了基于处方图的变量播种控制系统,可独立调节行单元的排放速率,并通过延迟补偿方法将边界处的放置延迟减少到0.57米。Ding et al.(2023)为玉米精准播种机设计了自动分段控制系统。田间试验表明,该系统能够根据是否存在作物自动停用和重新激活行单元,有效减少了重复播种的区域,并适应不同边界配置的田地。Song et al.(2021)为无人机开发了基于处方图的变量率颗粒肥料施用控制系统。试验显示,该系统的作业精度很高,平均施药速率为0.72公顷/小时。目前,DJI和XAG等领先制造商的农业无人机也配备了变量率功能。然而,用于创作稻田艺术作品的精准空中播种无人机与其用于常规播种的地面机械和撒播无人机在作业目标、方法和目的上有显著差异。因此,相关的控制技术和参数需要进一步研究。 基于上述分析,本研究旨在通过以下方式实现稻田艺术作品的高效自动化种植:(1)设计一种用于精准条播无人机的按需启动-停止控制系统;(2)建立计算作业段中点坐标和延迟距离补偿的数学模型;(3)开发基于多边形分组的复杂边界图案区域识别算法;(4)提出一种用于图案建模的分层空中播种方案;(5)通过仿真测试、现场试验和田间实验评估系统性能。本文的研究逻辑如图2所示。此外,本场景中应用的核心技术,特别是按需控制技术,具有高度通用性。它们不仅可以为稻田艺术作品提供机械化解决方案,还能为更广泛的精准农业应用提供技术支持。

条播无人机结构

条播无人机系统由六旋翼飞行平台、单单元播种装置和支持杆组成。单单元播种装置主要包括种子箱、种子供应装置和电动驱动的可折叠播种管(如图3所示)。单单元播种装置通过管夹固定在无人机平台的支持杆上,单元之间的行间距可根据作业需求进行调整。

条播无人机工作原理

在操作前,

系统程序执行时间分析

表5总结了几何复杂性逐渐增加的景观图案的处理时间。观察到明显的上升趋势:多边形分组时间和命令生成时间均随多边形数量和顶点总数的增加而增加。这一趋势与核心分组算法的理论时间复杂度O(n^2·m)一致(第2.5.2节)。在测试的各类图案中,包括一个极端情况(66个多边形),多边形分组时间

视觉稻田艺术景观的效果

图15展示了空中播种后不同水稻生长阶段的视觉稻田艺术景观。在幼苗初期,由于发芽不良,一些积水区域出现了幼苗间隙(图15a)。在用杆子和绳子标记相关图案边界后,这些区域进行了人工补种。尽管有这些初始间隙,最终的完整视觉景观与目标图案非常吻合,显示出清晰连续的线条(图15b)。

仿真和田间试验的局限性

多边形分组算法在Android终端软件上使用典型和极端测试图案进行了评估。结果表明,系统处理时间满足了实际田间作业的实时要求,其计算效率足以满足景观建模应用的需求。尽管当前实现方法在设计艺术作品的数据范围内表现良好,但其扩展到通用地理信息系统的能力尚待验证。

结论

本研究提出了一种通过结合无人机条播和分段控制技术自动种植稻田艺术作品的系统。通过仿真测试、现场试验和田间实验验证了该系统的性能,得出以下结论: (1)基于单天线GNSS模块和CAN总线的精准空中条播无人机按需启动-停止控制系统得以开发。该系统可以根据PWM确定无人机飞行路径类型。 朱全伟:撰写——原始草稿、可视化、验证、软件、方法论、数据整理、概念化。 朱耀宗:可视化、验证、软件、方法论、数据整理、概念化。 史一泽:验证、调查。 黄火龙:验证、调查。 尹从龙:验证、调查。 李文成:验证、方法论。 黄晓毛:撰写——审阅与编辑、监督、资源管理、项目协调。 <2>利益冲突声明 作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。 <3>致谢 本研究得到了国家重点研发计划(项目编号:2024YFD2300303)、国家自然科学基金(项目编号:52075211)和中央高校基本科研业务费(项目编号:2662023GXPY002)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号