当前位置: 首页 > 文章 > 基于强化学习的植保无人机自适应施药决策系统 农业工程技术(农业产业化) 2023,43 (26) 126
Position: Home > Articles > Adaptive spraying decision system for plant protection unmanned aerial vehicle based on reinforcement learning Agricultire Engineering Technology 2023,43 (26) 126

基于强化学习的植保无人机自适应施药决策系统

作  者:
Ziyuan Hao;Xinze Li;Chao Meng;Wei Yang;Minzan L
单  位:
2. Key Laboratory of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, Chin;1. Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, China Agricultural University, Beijing 100083, China;Key Laboratory of Modern Precision Agriculture System Integration Research, Ministry of Education, China Agricultural University, Beijing 100083, China; 2. Key Laboratory of Smart Agriculture Systems, Ministry of Education, China Agricultural University, Beijing 100083, China
关键词:
unmanned aerial vehicle;spraying parameters;decision;reinforcement learning;droplet depositio
摘  要:
为了解决航空施药缺乏科学指导的问题,该研究针对无人机设计了一种自适应施药决策系统,以指导植保无人机操作员在复杂环境影响下设置合理的施药参数.施药决策系统可以推荐最小农药用量及其对应的无人机施药速度、施药高度和初始雾滴尺寸等参数.基于评价网-执行网的强化学习决策模型是施药决策系统的关键,使用大田实验数据训练评价网和执行网的网络,使强化学习决策模型能够自适应输出最优化的施药参数.与传统施药参数相比,施药决策系统推荐参数对小麦地块有积极影响.系统决策结果显示,叶面积指数较小区域农药用量较少,整个小麦地块的农药用量比传统用量减少了14%.无人机施药后,系统推荐参数施药地块的雾滴沉积均匀性优于传统参数施药地块,在两个地块中,雾滴穿透性和对小麦红蜘蛛的防治效果相似,表明施药决策系统可在不影响雾滴沉积效果和病害防治效果前提下,推荐最佳施药参数,最终实现减少农药用量的目的.
译  名:
Adaptive spraying decision system for plant protection unmanned aerial vehicle based on reinforcement learning

相似文章

计量
文章访问数: 15
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊