3月29日，智慧农业领域TOP期刊《ComputersandElectronicsinAgriculture》在线发表了我中心题为Determiningapplicationvolumeofunmannedaerialsprayingsystemsforcottondefoliationusingremotesensingimages的研究文章。文章第一作者为级博士研究生陈鹏超，通讯作者为兰玉彬教授。
近年来，植保无人飞机作为新型的施药器械在市场中广泛应用。拥有精确的定位系统、便捷的操控系统以及众多环境感知传感器等的植保无人飞机能够实现在不同地形环境场景中喷洒作业。然而在此智能化背景下，植保无人飞机的喷施量设定仍然依赖于施药人员的经验或者农药标签建议，不能实时通过农田作物的长势或病虫害等级信息进行决策判断。在智慧农业和无人农场的倡议背景下，基于遥感获取农情信息从而指导施药机械精准施药是智慧植保的未来发展方向。
棉花脱叶过程中不均匀的脱叶状态
针对棉花生产过程中化学辅助脱叶导致的脱叶效果不均匀的问题（如上图所示），本研究初步建立了棉花冠层结构和植保无人飞机喷施量之间的相关关系，并进行了棉花脱叶剂喷洒验证。研究试验在、年分别在新疆昌吉地区和山东无棣棉花示范基地进行。试验通过前期人为干预棉田水肥灌溉或种植品种等方式，获得多组冠层表型结构显著差异的棉花生长区域。在两个年度的棉花花蕾期至吐絮期，采用单一机型的植保无人飞机设定不同施药液量梯度对该目标区域进行模拟脱叶剂喷洒试验，获得不同冠层结构状态下雾滴分布试验数据。使用遥感无人机采集对应日期目标区域的可见光和多光谱遥感数据，该数据通过提取光谱指数用于表征作物冠层结构。采用BP神经网络和贝叶斯正则化训练算法基于遥感光谱指数、无人机喷施量和雾滴沉积等数据进行神经网络预测建模。
遥感数据采集
施药数据采集
研究结果表明，采用BP神经网络和贝叶斯正则化训练算法建立的神经网络预测模型可以达到平均94.1%的准确率。该模型可以根据目标区域的遥感光谱指数以及NY/T–标准建议的雾滴分布指标，预测该区域所需的最低植保无人飞机脱叶剂施用量。基于该模型进行了实际的脱叶剂喷洒试验。与人工设定的较高施药液量处理组和较低施药液量处理组喷洒对比，模型预测的区域棉花脱叶率的结果与人为设定的较高施用量相似，并优于较低施药液量处理，平均落叶率达到85.5%～88.5%。结果认为，利用遥感图像确定植保无人飞机棉花脱叶剂的施用量是可行的。基于决策模型的喷洒可以达到预期的脱叶效果，并降低脱叶剂的施用量。
数据建模
实际喷洒验证
本研究的共同作者还有徐伟诚博士、级博士研究生展义龙、级博士研究生杨炜光以及山东理工大学王国宾博士。衷心感谢山东绿风农业集团有限公司崔立华研究员和华南农业大学欧阳帆、巫昌盛对田间试验工作提供的支持。本研究受到国家棉花产业技术体系(CARS-15-22)、高等学校学科创新引智计划(D)以及国家留学基金委员会（08440662）等项目资助。
Chen,P.,Xu,W.,Zhan,Y.,Wang,G.,Yang,W.,Lan,Y.,.Determiningapplicationvolumeofunmannedaerialsprayingsystemsforcottondefoliationusingremotesensingimages.Comput.Electron.Agr.,.
转载请注明：http://www.0431gb208.com/sjsbszl/382.html
