浙江大学何勇教授：农业低空经济发展亟需的关键技术与装备

农业农村飞行任务因低空低速、环境复杂、起降条件差等特点，对现有通用航空器提出挑战，亟需研发高效、适应性强、具成本效益的专用低空飞行平台。

本文围绕飞行器设计、飞行控制、任务载荷、信息感知与空地协同五大核心技术，系统分析了其在赋能农业现代化中的关键作用。

1、飞行器设计

飞行器设计是一个多学科交叉的复杂过程，涵盖了气动设计、结构设计、动力系统、飞行控制和材料科学等领域。飞行器的设计水平能直接决定了升限、续航等关键性能，从而影响其在农业农村中的应用范围和效能。农用无人机根据应用场景及作业需求可分为无人直升机、固定翼无人机和多旋翼无人机（图1）。无人直升机以其高载荷能力和稳定性适应大载荷作业任务，但成本和操作难度较高。固定翼无人机具有较长的续航时间和航程，适用于大面积农田的监测和区域性作业。多旋翼无人机因其较好的垂直起降性能和较高的机动性更适用于局部精细化作业，特别是在狭窄或复杂地形中，具有灵活性和精准控制的优势。

图1 典型无人机机型

农用无人机的设计必须综合考虑飞行器的稳定性、续航能力、负载能力和操作便利性等因素。机体通常采用轻质高强度材料以降低自重，并提升抗风能力和运行稳定性。现有技术中，将载人航空器改装为农用无人机是重要技术路线之一，通过增加自动化的飞行控制系统和高可靠性的数据无线传输链路来替代传统飞行员操作系统。

然而，由于农业农村领域环境条件的特殊性，改装后的航空器往往难以完全满足实际需求。因此，基于仿真模拟平台进行优化设计，研发专用无人机是目前研究中常用的做法，如日本雅马哈公司生产的R-Max植保无人直升机（图2a）等。此外，电动垂直起降飞行器的设计因其兼具高效、环保和灵活的特点成为了新兴的研究重点，并已成功在农业农村中开展遥感测绘等相关应用。

图2 典型无人机机型

      不同的农业应用需求决定了飞行器的选择。例如，药剂喷施要求无人机具备高载重量和续航能力；授粉作业需飞行器在低空条件下促进花粉高效传播；农业信息采集则需根据任务要求搭载不同设备。多旋翼无人机因其结构简单，操作方便和起降适应性强的特点，在农业信息采集中广泛应用。如图2b−图2c所示，DJIPhantom4、极飞M500等商用无人机已被用于农业信息采集与解析研究。此外，浙江大学等高校和科研院所针对农业的特殊作业环境研制的SH-4V型农用多旋翼无人机也已成功用于农业信息精准获取研究（图2d）。

2、飞行控制系统

飞行控制系统（简称飞控系统）是低空经济的关键技术，其智能化程度直接影响了飞行稳定性、自动化程度和作业精度。早期的飞行控制系统主要用于载人飞行器，重量大，成本昂贵且操作复杂。微电子技术的快速发展推动了飞控系统核心零部件的轻量化。近年来，大疆科技与极飞科技等公司均开发了多款先进的飞控系统，推动了农用无人机的应用（图3a～图3c）。其中大疆科技的A3系列飞控系统采用了三余度设计，配备三套惯性导航单元和GNSS模块，配合软件算法实现6路冗余导航系统，通过软件算法实时监测并切换异常传感器，确保了农业作业中的飞行可靠性。而极飞科技的SuperX2飞控系统则采用了工业级陀螺仪，支持电机转速反馈，并内置UPS提供稳定电源，在农业遥感以及植保作业中表现出卓越的安全性和稳定性。

图3 无人机常用飞控系统

农业农村应用场景对飞控系统提出了高度集成化、可靠性和环境适应性等要求。先进飞控系统可以通过集成机器学习、多传感器融合技术和路径规划等技术，支持飞行器的自主航线规划、障碍物规避和实时作业调整。例如，在作物信息感知过程中，飞控系统可以根据设定的作业田块边界、速度自动规划航线，根据不同的地形、地貌制定最佳的作业路径；在作物喷洒过程中，飞控系统可以根据作物的生长情况和环境变化，自动调整喷洒高度、速度和剂量，从而提高施肥、灌溉和农药喷洒的精准度和效率；在遇到树干、电线杆、鸟群等常见障碍物时，飞控系统的感知与避让装置能够立即阻断飞行或合理规避；在丘陵山地作业时，飞控系统也可以基于高度传感器融合技术结合内部惯性导航传感器实时感知对地绝对高度，从而实现仿地飞行。与传统无线电航空模型不同，农用无人机飞控系统集成了飞控计算机、传感器系统、导航控制系统和电气系统等多个子系统，实时感知飞行器状态并动态调整飞行轨迹。以浙江大学自行研制的农用无人机飞行控制系统为例（图3 d），其采用了数字信号处理与高级精简指令集机器的双微控制单元结构，集成了惯性导航单元、加速度计和三轴磁感应器等高精度装置。该系统通过串级PID闭环控制算法，实现了飞行器的稳定性与动态响应能力，能够在低空复杂环境中维持高效安全的飞行。

此外，在传统的农业生产模式中无人机和机载设备往往是独立工作的，缺乏紧密的协同配合。这种模式导致了作业效率低下，在大规模农业生产中尤为突出。通过在控制层面深度整合飞行器与机载设备，并设计相应的任务策略，可以有效提升作业的智能化水平，最大限度地提高农业生产效率，推动低空经济在农业农村的进一步发展。

3、机载任务载荷及辅助设备

机载任务设备是农业农村领域低空经济应用的关键支撑。随着低空经济在农业低空植保、信息采集、物流运输等领域的应用日益普及，机载设备的种类和性能不断提升，成为推动农业现代化的重要工具。

3.1 光学影像传感器

随着信息技术和传感器技术的发展，各种数字化、重量轻、体积小的新型遥感传感器不断面世并逐渐应用于农业，如数码相机、多光谱和高光谱相机、热成像仪等。由于农用无人机的载荷有限，目前农用无人机低空遥感平台上所搭载的遥感传感器主要以轻型的数码相机、多光谱相机和热红外相机为主。SUZUKI等研制了一种搭载GPS接收机和照度计的可见近红外光谱成像遥感系统的微小型无人机，成功地应用于地面植被的监测研究。葛明锋等开发了一种与无人机精密结合的高光谱遥感成像系统，实现了高精度高光谱图像的获取。

然而，单一传感器各有优势和局限，多传感器信息的配准与融合成为提升综合感知能力的重要途径。例如，多光谱传感器和热成像传感器可以协同工作，实时监测作物的健康状态及其生长环境。激光雷达与GNSS模块结合可以帮助无人机绘制精准的三维地形图，助力复杂区域的高效覆盖监测。浙江大学何勇团队创制了国内最轻快拍式28波段（质量520 g）、5波段（质量250 g）成像光谱仪，攻克了微型光谱仪高次谐波光谱信号污染、像差及等效噪声大的难题，开发了激光雷达与高光谱成像一体化的机载农田信息获取系统，以及光谱仪、GPS/INS传感器融合的光谱校正方法，几何校正精度达到厘米级。

3.2机载自稳云台

机载任务设备的作业质量受外部干扰的影响较大，需要配套研发辅助设备以进一步提升其作业质量。传统的农田信息采集设备与飞行器采用固定连接方式（图4a）。在复杂的农业农村作业环境中，飞行中的震动、风速变化等外部环境的剧烈扰动会导致飞行器姿态偏移，严重影响信息获取质量，无法保证信息采集的准确性。自适应机载云台作为关键的辅助设备，通过高精度控制算法确保传感器或摄像头在飞行过程中保持稳定视角和精准定位。近年来，随着自适应卡尔曼滤波和扩展状态观测器等技术应用于云台系统，实现了飞行器抖动和外部扰动的实时补偿，保证了机载设备的高精度操作。带三轴稳定补偿的自稳云台（图4b）是微型陀螺仪的技术成熟后才诞生的，能够在航拍时保持全方位的稳定，确保画面清晰，但缺点是工程造价及能耗较高，缩减航拍的续航时间。

图4 无人机典型云台

如图4c所示，浙江大学针对农业农村作业需求自主开发的载荷自适应、姿态自调整、POS位置自校正和抗干扰能力强的自稳云台系统已成功应用于农业低空遥感信息采集等农业农村低空经济活动中。该系统利用拉格朗日-欧拉方法建立了云台结构的稳定平台动力学方程，构建了基于Simulink的云台精准控制模型。通过外部作业环境的风速和风向数据，结合飞行器实时姿态信息在PID控制器中引入Sage-Husa自适应算法与卡尔曼滤波器，有效隔离了无人机姿态变化对设备姿态的影响，攻克了机载光谱成像畸变难题，大幅提升视轴稳定性和信息获取质量，为作物信息的精准获取提供了坚实的技术支撑。

3.3 无人机场

随着农业无人机应用的广泛普及，如何高效、安全地管理农用无人机的起降、充电和维护问题，成为亟待解决的难题。无人机场应运而生，为无人机的高效、安全运营提供了强有力的保障。目前市面上已出现部分无人机场产品，如大疆公司的大疆机场2以及海康无人机公司的NC4050A等。专为农业环境设计的农用无人机场可有效地保障无人机在农业中的作业需求，提升无人机在作业时的效率和可靠性。

无人机场集成了智能化的飞行调度系统和监控系统，能够实时跟踪无人机的飞行状态、飞行路径和作业区域。通过高清摄像头、雷达和传感器等设备，能够有效避免无人机在起降过程中发生碰撞与误操作，确保安全飞行。自动化的任务分配和飞行轨迹跟踪结合实时数据监控，能够根据作业计划自动安排无人机的起降顺序，最大化减少无人机空闲时间，从而提高农业作业效率。农用无人机场配备了快速充电和物资补给设施，能够在短时间内为农用无人机进行维护保障。部分无人机场还配备了太阳能电池板，减少对传统电网的依赖，推动农业的可持续发展。此外，农业无人机场的设计还需要考虑到防风、防雨、保温和防尘等功能，确保无人机在恶劣天气下也能稳定作业。

3.4 其他典型机载任务设备

随着无人机及其他飞行器技术的快速发展以及在农业、环境监测及灾害控制等领域的广泛应用，适用于各类任务的机载设备逐渐成为农业现代化的重要技术手段。主要包含以下几种：

1）机载播种设备。分为撒播设备和精播设备。撒播设备由种子储存舱、离心抛撒装置和控制模块组成，适用于草籽、谷物等无需精确间距种植的作物，常用于草原修复、农田复播和荒漠化治理等。精播设备通常由带有多孔分配器的种子输送系统和高精度定向模块组成，结合精准定位技术和智能控制系统可确保每粒种子以设定的间距和深度播种，适用于棉花、油菜等对种植间距和深度要求较高的作物。

2）机载授粉设备。通过花粉播施技术或气流场调控技术实现大规模授粉。花粉播施设备包含花粉储存器、气动分配器和计量装置，可根据目标作物需求调整花粉播撒量和范围，适用于高附加值果园的精准授粉。气流场授粉则利用飞行器旋翼产生的气流促进花粉自然传播，适用于大面积农田。

3）机载收获设备。用于高经济价值农产品的采摘及渔业捕捞。无人机搭载旋转切割刀片和真空吸附系统，可在复杂地形中快速采摘茶叶等；在渔业中，无人机结合自动撒网装置和鱼群探测器，实现精准捕捞，提升作业效率。

4）机载物资运输设备。无人机搭载储物舱或挂载系统，结合自动航线规划功能，实现农业物资及农产品的快速精准投递。在灾害救援中，高载重飞行器可投送食品、药品等救援物资，应用于地震、洪灾等场景。

5）机载环境监测设备。无人机搭载高精度气体分析仪和数据传输模块，实时监测二氧化碳、甲烷等气体浓度，结合精确定位系统，为农业碳排放评估、污染监测及森林碳汇研究提供关键数据支持。

6）机载灾害控制任务设备。在火灾控制中，无人机配备灭火弹投放装置、高压喷水器及红外传感器，可精准识别火源并实施灭火。直升机还可通过机载取水、储运及喷施设备，直接从露天水源取水灭火。

4、信息感知与精准作业技术

4.1 信息感知

1）数据传输与处理技术。数据传输是无人机与地面操控系统之间进行实时通信的关键技术，包括飞行控制、传感器数据的获取与传输以及远程控制指令的传递。传输的数据主要包含两部分，一是无人机及传感器的状态参数传输，包括飞行姿态、高度、速度、航向等，并反向传输地面操纵人员的指令，实现对无人机的控制。二是传感器获取的图像等信息的传输，可供地面操纵人员实时观察与应用。

无人机和传感器的状态参数实时传输可通过无线电遥测系统或特高频卫星链路数据传输系统实现，并在地面辅助设备中以数据和图形的形式显示。无人机遥感信息的传输比无人机和传感器状态参数的单独传输要复杂得多。GRASMEYER和KEENNON研究了一套基于BlackWidow无人机的图像传输系统，该系统采用调频体制，发射频率为2.4 GHz，有效传输距离为1.5 km，视频发射器质量为1.4 g，能够获得清晰可辨的黑白图像。

2）作物生长信息检测技术。作物生长信息是作物生产力评估的核心内容，通常包含养分、冠层结构和产量等关键指标。传统的作物生长监测方法（田间调查实验室理化分析等）虽然精确但效率低，且可能干扰作物生长环境。近年来，图像分析和光谱成像技术显著提升了监测效率和精度，但这些技术多局限于叶片或植株局部水平，难以满足大范围实时监测需求。航空遥感和卫星遥感虽适用于大尺度监测，但对小块农田效果有限，且易受天气条件影响。无人机遥感平台的发展有效弥补了地面与航空、卫星遥感平台之间的不足。无人机可在不同飞行高度高效、精准地获取作物生长信息，覆盖范围从单株到数万株，且不破坏作物生长环境。通过遥感反演和评估作物生长过程中的养分、冠层结构和产量指标，结合田间管理策略和品种信息，无人机实现了对农作物实时生长监测和优良性状筛选，为作物精细化管理提供了重要技术支持。

图5 低空遥感无人机及机载多光谱平台

      如图5所示，浙江大学采用自主研发的八旋翼无人机平台搭载RGB相机和多光谱相机，成功获取了大田水稻的冠层图像，并基于光谱指数与水稻叶片SPAD值之间的关系建立了反演模型。该模型的R2为0.63，可有效反演叶片SPAD值，并通过全景图像得到SPAD值的空间分布（图6）。此外，团队还结合多光谱图像反射数据和PROSAIL冠层辐射传输模型，实现了水稻叶片和冠层叶绿素含量的准确反演，R2分别为0.53和0.70。进一步的研究表明，利用无人机图像提取的植被指数、纹理特征等参数，可以有效监测水稻的含水率，且融合多源数据能够提升预测准确性。

图6 无人机农田遥感及解析

3）低空遥感图像校正与拼接方法。同一地物的遥感影像受传感器标定、太阳方位角、大气条件等因素影响，地物的反射光谱在不同成像时间、高度存在差异。低空遥感图像的校正过程是确保图像质量和准确性的重要环节，主要包括辐射校正和几何校正两个方面。这两者共同作用于消除遥感图像中的误差，使得获取的数据更接近地面实际情况。辐射校正包括辐射定标和大气校正，用来消除和减轻这种辐射失真。辐射定标是将空间相机入瞳辐射量与探测器输出量的数值相联系的过程。目前研究最多的是采用场地替代定标的方式，也称为伪标准地物辐射纠正法进行辐射定标。大气校正是将辐射亮度转化为地表实际反射率，主要用于大气散射、吸收、反射引起的误差。几何校正包括基于地面控制点校正和无地面控制点校正，用于消除无人机图像中因倾斜、抖动、相机性能、大气折射等因素引起的几何畸变。

低空遥感图像的匹配和拼接是高效地利用无人机获取的图像数据进行地面区域覆盖的重要步骤，常用的匹配方法有基于灰度信息的匹配方法和基于特征的匹配方法，最常用的是基于尺度不变特征转换算法的匹配方法。该方法通过提取图像中的特征点进行匹配，能够高效地应对尺度、旋转和视角的变化。目前，市场上也出现了越来越多比较成熟的遥感图像拼接软件，如Photoscan、Pix4D等，大大提高了遥感图像的处理效率。

4.2 精准作业

1）防漂移技术的应用。由于低空施药雾滴粒径的微米级特性，雾滴漂移现象成为低空植保领域亟待解决的一大难题。雾滴的高浓度特性导致漂移对旁边农田、河流等周边环境污染程度激增。现有研究对植保无人机喷洒雾滴的沉积效果进行了分析，研究了植物叶片表面特性、喷洒设备结构、喷洒系统作业参数以及客观环境等因素对雾滴沉积特性的影响参数；在无风试验室环境下，通过植保无人机仿真平台进行航空喷洒的控制变量试验，研究了植保无人机飞行速度、作业高度，并分析了参数影响的客观规律以及不同沉积层上雾滴分布规律。此外针对沉积雾滴重叠现象，雾滴图像处理系统以及传感器的开发也成为无人机植保的研究热点。这些研究都将有助于提高航空施药技术的应用效果，为农民的植保作业提供科学的指导和技术支撑服务。

2）变量喷施技术。精准和稳定的田间植保活动要求植保无人机喷洒出的液滴需要具备高浓度、低容量的特性，因此，喷嘴的材料和结构设计必须满足植保作业对精细雾滴的要求，为精准施药提供坚实基础。为了实现植保无人机的精准喷施需求，浙江大学农业信息技术研究所团队利用其多年的技术积累，设计并搭建了具有完全自主知识产权的农用无人机变量喷施控制系统。该系统采用单片机Arduino UNO R3作为系统控制器，通过对比分析脉冲宽度调制信号占空比与喷洒压力、流量之间的量化关系进而实现喷施控制，优化了喷洒效果。

3）农用无人植保机机载装备。农用植保无人机配备了专为农田喷洒作业设计的喷洒系统，由水泵、药箱、喷嘴和管路等组成。水泵用于增压并输送液体，输送对象包括水、油、乳化液、酸碱液、液态金属等多种液体及其混合物。水泵性能的技术参数，如流量、扬程、轴功率、水功率、吸程和效率等，直接影响整个喷洒系统的作业能力。药箱作为植保无人机的核心组成部分，决定了无人机的载荷分配、飞行平衡性、喷洒精准度，直接影响了单次作业的覆盖范围和续航时间，对作业效率起着至关重要的作用。因此，药箱的结构设计既需满足轻量化要求，又要确保其形状和材质对飞行平衡的影响最小化。

4.3 空天地协同监测与作业

在农业中，由于作业对象、场景和任务的复杂性与多样性，单一作业平台难以全面高效地完成监测与作业任务。空天地一体化监测技术通过融合地面传感器、无人机遥感和卫星遥感的优势，弥补了单一技术的局限，提升了数据的时空分辨率与监测范围，构建了全面、精准的农田信息感知网络。目前，综合利用空天地一体化技术的研究仍相对较少，主要集中在无人机与卫星遥感数据融合领域，如作物监测、病虫害监控和植被指数提取等。浙江大学研究团队结合地面感知仪器、卫星与低空遥感数据，开发了作物养分与病虫害检测的空天地融合技术，并构建了集信息获取、融合、决策与精准作业管理于一体的农业云平台。该平台显著提升了农业生产的精准化与智能化水平，为农民和政府提供了科学决策支持。

从农田作业的角度来看，由无人驾驶地面车辆和无人驾驶飞行器组成的异构多机器人协同系统受到广泛关注。无人机具有高灵活性和广阔的空中视角，突破了复杂地形的限制；无人车则具备高负载能力、强大的边缘计算能力，且不受电池寿命和卫星信号的限制。如图7所示，在空地协同系统中，无人机和无人车均配备控制模块、传感器模块和通信模块。其中通信是实现协同的关键环节，通常采用无线通信方式，包括集中式通信、分布式通信和移动自组织网络（图8）。两种平台既可作为移动传感器平台采集可见光、激光雷达、多光谱或高光谱等多模态数据，也可作为末端执行机构完成播种、喷洒、采摘等任务，还可充当决策中心进行数据处理与分析、任务规划及路径规划。

图7 无人机农田遥感及解析

图8 空地无线通信方式

在空地协同作业时，如复杂果园中，无人机及机载传感器从空中快速采集多模态数据，生成环境三维地图及果树长势、营养、病虫害处方图，并通过5G、LoRa或WiFi等无线通信技术实现数据传输和信息共享；地面无人车则基于无人机提供的信息进行精准作业。这种协同方式不仅提高了作业效率，还减少了对昂贵导航传感器的依赖，降低了系统的计算需求和通信数据量。现有研究主要集中在小范围、规范化农田的应用，而在大规模农田或复杂环境中，系统的稳定性、通信范围、边缘计算能力、定位导航精度和能源管理等问题亟待解决。未来，结合大模型、具身智能和多模态感知等前沿技术，有望进一步提升空地协同系统的感知、控制和决策能力，推动农业向智能化、精准化方向发展。

本文于2025年3月28日在线发布于《农业工程学报》。