農(nóng)業(yè)低空經(jīng)濟應用場景拓展與技術(shù)動態(tài)

中圖分類號：S25 文獻標識碼：A 文章編號：2095-5553（2025）10-0008-13

Abstract：Agriculturallow-altitudeeconomy，asanemergingeconomicform，isdrivingthetransformationof traditional agricultural industrial systems.Agricultural droneshavesignificantlycontributedtoenhancingagricultural productivity， promoting greendevelopment，andensuringfoodsecurityservingasthecorecariers ofthis economy.This papersystematically reviews current applications of agricultural drones in scenarios including remotesensing and maping，plant protection spraying，andseeding，whileextending thediscussion totheirexpandedappications ininspectionand monitoring，disaster response，ecologicalrestoration，bait dispensing，polinationand seed production，harvesting and pruning，as wellascargo transportation.Buildingonthisanalysis，thepaper examines keycommon technologies withintheagriculturallow-altitude technology system-covering energysuply，communicationnetworks，environmentalperception，and decision-making control-summarizes limitations in currenttechnologicalapplications，and outlines future development trends.

Keywords：agricultural low-altitude economy；agricultural drones；application scenarios；commonality analysis

0 引言

傳統(tǒng)農(nóng)業(yè)面臨勞動力短缺、生產(chǎn)效率低下及資源分配不均等多重挑戰(zhàn)，嚴重制約了農(nóng)業(yè)的可持續(xù)發(fā)展。據(jù)預測，到2050年全球糧食需求將較當前水平提高 50% ，但依在全球人口持續(xù)增長與城市化加速發(fā)展的背景下，靠擴大耕種面積所實現(xiàn)的增產(chǎn)量卻不足 5%^[1，2] 。農(nóng)業(yè)現(xiàn)代化通過集成應用機械化、信息化等現(xiàn)代科學技術(shù)，顯著提高農(nóng)業(yè)生產(chǎn)效率與競爭力，成為應對上述挑戰(zhàn)、實現(xiàn)農(nóng)業(yè)高質(zhì)量可持續(xù)發(fā)展的重要路徑[3]。

農(nóng)業(yè)低空經(jīng)濟作為一種新興經(jīng)濟形態(tài)，在農(nóng)業(yè)現(xiàn)代化進程中展現(xiàn)出巨大應用潛力。其中，農(nóng)用無人機作為農(nóng)業(yè)低空經(jīng)濟的核心裝備，能夠高效、精準、靈活地執(zhí)行多樣化農(nóng)業(yè)生產(chǎn)任務。近年來，農(nóng)用無人機的應用領(lǐng)域已逐步從傳統(tǒng)的植保飛防拓展至遙感測繪、精準播撒、載重運輸?shù)榷鄠€方向，不僅有效提高農(nóng)業(yè)生產(chǎn)效率，顯著降低勞動力成本，也為傳統(tǒng)農(nóng)業(yè)轉(zhuǎn)型升級提供了重要的技術(shù)支撐。在政策層面的積極推動下，我國農(nóng)業(yè)低空經(jīng)濟已進人快速發(fā)展階段[47]。自2020年以來，中央和地方的農(nóng)機補貼政策持續(xù)向高效、智能與綠色化的農(nóng)用無人機傾斜，進一步刺激了市場需求的快速增長。相關(guān)研究預測，農(nóng)用無人機產(chǎn)業(yè)的快速增長階段將至少持續(xù)至2030年，期間市場規(guī)模將持續(xù)擴大，產(chǎn)業(yè)鏈布局將逐步完善[8-10]

基于當前農(nóng)業(yè)低空經(jīng)濟的發(fā)展現(xiàn)狀，本文將圍繞農(nóng)用無人機的應用場景及技術(shù)發(fā)展動態(tài)展開分析，深入梳理其在不同場景中的具體應用現(xiàn)狀及技術(shù)特點，探討進一步拓展的潛在應用領(lǐng)域，進而剖析支撐上述應用的關(guān)鍵共性技術(shù)與未來研究趨勢。

1農(nóng)用無人機規(guī)模化應用場景

當前農(nóng)用無人機產(chǎn)業(yè)已形成較為成熟且經(jīng)產(chǎn)業(yè)化驗證的規(guī)模化應用場景，主要涵蓋三大技術(shù)方向：（1）遙感測繪技術(shù)，以高精度地理信息采集為核心，通過多光譜遙感、三維建模等技術(shù)手段實現(xiàn)農(nóng)田數(shù)字化與精細化管理；（2）低空植保施藥技術(shù)，以變量施藥方法為核心，利用精準導航與作業(yè)執(zhí)行機構(gòu)，實現(xiàn)農(nóng)藥的靶向與高效噴灑；（3）農(nóng)資精量播撒技術(shù)，以無人機為搭載平臺，實現(xiàn)種子、肥料等顆粒狀農(nóng)資的精準投放[11-13]。上述技術(shù)方向逐步完成了從研發(fā)驗證到商業(yè)化部署，在部分區(qū)域和農(nóng)作物種類中實現(xiàn)了規(guī)模應用。

1.1 作物遙感測繪

現(xiàn)代農(nóng)業(yè)生產(chǎn)過程中，作物的生長影響因素涵蓋作物品種、土壤條件、光照強度、病蟲害、外力破壞及水、肥管理措施等多個方面。無人機平臺的低空遙感技術(shù)為上述因素的精準監(jiān)測和管理提供了有效的解決途徑[14]。農(nóng)用無人機搭載多光譜、熱紅外、激光雷達等遙感傳感器，可高效采集農(nóng)田多維度信息，進而生成作物生長監(jiān)測、病蟲害識別及土壤濕度分析等數(shù)字化處方圖[15-17]，為精準農(nóng)業(yè)提供數(shù)據(jù)基礎。

無人機遙感技術(shù)通過高空俯視視角，能夠?qū)崿F(xiàn)跨地形、多對象的高效監(jiān)測作業(yè)，全面采集作物生長狀態(tài)及農(nóng)田環(huán)境變化信息，精確識別病害發(fā)生誘因、評估染病風險等級并預測擴散趨勢。此外，無人機遙感測繪在產(chǎn)量預測領(lǐng)域的應用日益受到關(guān)注。現(xiàn)階段，多光譜與熱紅外遙感數(shù)據(jù)結(jié)合機器學習算法，已實現(xiàn)在水稻、棉花、茶葉等主糧及經(jīng)濟作物中較高精度的產(chǎn)量預測建模和應用。目前該領(lǐng)域主要基于可見光圖像分析技術(shù)進行產(chǎn)量預估，將原始數(shù)據(jù)轉(zhuǎn)化為預測模型與管理工具[14，15]。然而，即使經(jīng)典機器學習算法與深度學習算法顯著提升了原始遙感數(shù)據(jù)的信息轉(zhuǎn)化率，但在害蟲精準識別等更高精度遙感技術(shù)研究中尚未取得實質(zhì)性突破[16]

未來遙感測繪技術(shù)的研究將集中于進一步提高遙感數(shù)據(jù)采集與分析精度、拓展農(nóng)業(yè)監(jiān)測應用領(lǐng)域，持續(xù)增強遙感技術(shù)在農(nóng)業(yè)作物精準管理中的實用性與應用廣度。

1.2 低空植保施藥

低空植保技術(shù)在農(nóng)業(yè)低空經(jīng)濟領(lǐng)域發(fā)揮重要作用，有效緩解農(nóng)業(yè)生產(chǎn)中勞動強度高、作業(yè)效率低下的問題[18]。通過無人機搭載高精度噴灑系統(tǒng)，融合智能導航與變量控制技術(shù)，可實現(xiàn)針對不同農(nóng)業(yè)地形與作業(yè)條件的飛行路徑規(guī)劃與噴灑量精準控制，從而保障藥液的高效均勻覆蓋。

目前，植保無人機在作業(yè)實踐中表現(xiàn)出顯著的高效率、低藥液浪費等優(yōu)勢。隨著霧化效果和藥液覆蓋均勻性不斷提升，無人機植保應用場景已從傳統(tǒng)大田作業(yè)逐步擴展至果園、林地等復雜環(huán)境領(lǐng)域[18-20]。產(chǎn)業(yè)實踐顯示，現(xiàn)階段商用植保無人機系統(tǒng)普遍具備大容量藥箱 ≥15L 及高效噴灑機構(gòu)（作業(yè)效率 ≥3.33hm²/h， 等技術(shù)特點，其中部分大型無人機藥箱最大容量可達75L ，作業(yè)效率最高可實現(xiàn) 19hm²/h ，能夠有效滿足規(guī)模化農(nóng)田植保需求。

無人機植保應用的核心需求在于降本增效，技術(shù)發(fā)展趨勢應朝著智能化、精準化與高效協(xié)同作業(yè)的方向深入推進。盡管當前無人機植保技術(shù)已相對成熟，但未來仍需圍繞無人機平臺載重與續(xù)航能力提升、藥液霧滴噴灑機理模型構(gòu)建、噴灑執(zhí)行機構(gòu)的優(yōu)化設計、多機協(xié)同作業(yè)策略與決策算法研究等方面進一步深入，以滿足更高層次的農(nóng)業(yè)生產(chǎn)需求。

1.3 低空農(nóng)資播撒

低空農(nóng)資播撒是指利用無人機搭載專用播撒設備，在預設航線引導下，精準控制農(nóng)資播撒的量與空間位置，以實現(xiàn)肥料、種子等固態(tài)農(nóng)資的精確投放，具體應用包括顆粒肥料播撒、種子撒播與點播等作業(yè)。當前領(lǐng)先企業(yè)推出的商業(yè)化農(nóng)用無人機解決方案已具備較高精準性和適應性，可有效應對復雜農(nóng)田環(huán)境，播撒作業(yè)效果表現(xiàn)出均勻性和一致性。

無人機播撒技術(shù)的關(guān)鍵性能指標[21]可歸納為3個核心維度：精準性、高效性與智能化水平。其中，在肥料、稻種等顆粒狀物料的播撒過程中，如何提升物料沉積分布的均勻性、提高作業(yè)效率并實現(xiàn)播撒裝置的輕量化，是當前技術(shù)攻關(guān)的重點與難點[22-24]。而作業(yè)的智能化與自主性，則主要體現(xiàn)在決策控制系統(tǒng)的算法研發(fā)與系統(tǒng)集成能力上。

基于當前技術(shù)發(fā)展現(xiàn)狀，該領(lǐng)域未來研究可重點聚焦兩方面：一是加強無人機平臺的算法能力與決策系統(tǒng)構(gòu)建，進一步提升無人機智能水平；二是持續(xù)優(yōu)化播撒裝置的結(jié)構(gòu)設計與功能模塊[25.26]，增強技術(shù)平臺在普適性和特殊作業(yè)場景的表現(xiàn)。

2農(nóng)用無人機應用場景拓展

盡管遙感測繪、植保施藥與農(nóng)資播撒已形成較為成熟的商業(yè)化應用模式，但農(nóng)用無人機技術(shù)的應用邊界仍在持續(xù)拓展，正沿著多功能融合與跨領(lǐng)域協(xié)同的路徑快速演進。根據(jù)技術(shù)成熟度與實施場景差異，依據(jù)技術(shù)成熟度與應用場景特征，目前農(nóng)用無人機前沿場景的拓展與探索可歸納為3類：（1）農(nóng)業(yè)遙感監(jiān)測技術(shù)向生態(tài)環(huán)境與災害管理領(lǐng)域拓展；（2）農(nóng)資撒播技術(shù)向生態(tài)治理領(lǐng)域延伸；（3）無人機平臺在水果采摘、授粉制種、修剪疏枝及載重運輸?shù)葌鹘y(tǒng)農(nóng)業(yè)勞動替代領(lǐng)域的深入應用。

2.1農(nóng)業(yè)遙感監(jiān)測拓展

2.1.1環(huán)境與災害監(jiān)測

相比于面向作物生長狀態(tài)的農(nóng)情遙感監(jiān)測，環(huán)境與災害監(jiān)測更側(cè)重于對農(nóng)業(yè)生態(tài)系統(tǒng)及其外部干擾因素的感知、識別與響應，監(jiān)測對象包括自然生態(tài)區(qū)、非耕地資源與突發(fā)災害。該類應用場景中，低空遙感平臺具備靈活性與高時空分辨能力，廣泛覆蓋農(nóng)田、草原、森林、水體等多類型生態(tài)區(qū)域。通過集成多源傳感器與后端數(shù)據(jù)處理算法27]，可對鼠害、蝗災、赤潮、極端氣象、地質(zhì)災害等生物、氣候與地質(zhì)擾動進行動態(tài)監(jiān)測、風險評估與趨勢預測，進而有效降低農(nóng)業(yè)生產(chǎn)系統(tǒng)的生態(tài)風險與災害損失。

此外，相比于農(nóng)情遙感關(guān)注數(shù)據(jù)獲取精度，環(huán)境與災害遙感更依賴后端算法的處理能力。隨著深度學習與多模態(tài)融合分析的快速發(fā)展，已有研究利用改進的深度卷積神經(jīng)網(wǎng)絡模型實現(xiàn)了對森林山火災情的精準識別，識別準確率達 95.8%^[28] 。結(jié)合無人機平臺，災情預警分析技術(shù)可支撐災前隱患預警、災時應急響應及災后損失評估[29.30]，增強防災減災的韌性與效率。

2.1.2 自主巡檢

自主巡檢強調(diào)農(nóng)用無人機在環(huán)境監(jiān)測作業(yè)中的自主執(zhí)行能力。該技術(shù)通過無人機與機場平臺的緊密協(xié)同，實現(xiàn)周期性廣域巡查，實時監(jiān)測環(huán)境異常狀況，自主判斷并精準識別監(jiān)測目標，從而顯著提高巡檢效率與目標識別精度，構(gòu)建環(huán)境監(jiān)測的自動化閉環(huán)管理模式[31]。

自主巡檢技術(shù)的主要特征包括：（1）基于邊緣計算的實時環(huán)境異常檢測；（2）融合多模態(tài)傳感器數(shù)據(jù)的精準目標識別算法；（3）支持任務動態(tài)決策的自主路徑規(guī)劃系統(tǒng)。目前，自主巡檢技術(shù)的成熟應用場景主要集中于電力線路、鐵路巡查等領(lǐng)域[32-34]，而在農(nóng)業(yè)領(lǐng)域的應用尚處于探索與起步階段。鑒于其技術(shù)特征與農(nóng)業(yè)環(huán)境監(jiān)測需求高度契合，將該技術(shù)遷移至農(nóng)田監(jiān)測、漁業(yè)水域監(jiān)控、水源地保護等典型農(nóng)業(yè)相關(guān)場景中，有望顯著提升農(nóng)業(yè)領(lǐng)域環(huán)境監(jiān)測的綜合效率與精度。現(xiàn)有實踐案例[35-37]表明，在水產(chǎn)養(yǎng)殖排污、水源地環(huán)境巡檢及海事監(jiān)管等應用場景中，自主巡檢技術(shù)表現(xiàn)出較人工巡檢更高的目標識別精度、更快的響應速度和更高的作業(yè)效率，具備較強的工程可行性及應用前景。

2.2 生態(tài)環(huán)境干預

生態(tài)環(huán)境干預是指將無人機撒播技術(shù)向生態(tài)治理領(lǐng)域拓展，進而重塑傳統(tǒng)生態(tài)工程的實施模式。該技術(shù)體系以空間智能化為核心，充分利用無人機平臺的高機動性，系統(tǒng)集成精準投放、智能感知、自主決策等關(guān)鍵技術(shù)模塊，并已在生態(tài)修復、生物防治和餌料投放等應用場景形成低空與地面相協(xié)同的作業(yè)模式。

從技術(shù)原理角度分析，其拓展性主要體現(xiàn)在3個維度：（1）空間維度，通過無人機低空作業(yè)突破地形可達性限制，實現(xiàn)崖坡、濕地等特殊地貌的精準干預；（2）時間維度，通過裝備自主化縮短應急響應周期，顯著提高生態(tài)治理的時效性；（3）效能維度，利用變量控制技術(shù)提升物資投放效率，實現(xiàn)經(jīng)濟效益與生態(tài)效益的協(xié)調(diào)統(tǒng)一。

當前生態(tài)環(huán)境干預技術(shù)的發(fā)展呈現(xiàn)出兩個主要趨勢：（1）通過多光譜遙感融合、仿生抓取等創(chuàng)新技術(shù)不斷拓寬應用場景邊界；（2）利用數(shù)字孿生技術(shù)構(gòu)建“監(jiān)測一模擬一干預一評估”的生態(tài)治理全周期管理閉環(huán)。這些趨勢表明，生態(tài)治理模式正逐步從傳統(tǒng)經(jīng)驗驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動，為農(nóng)業(yè)及其他生態(tài)領(lǐng)域的復雜問題治理提供了新型技術(shù)路徑。

2.2.1 生態(tài)修復

農(nóng)用無人機播撒技術(shù)在生態(tài)修復領(lǐng)域的拓展應用，包括荒漠化防治、礦山生態(tài)恢復及災后森林植被重建等多個方面，成效良好。相比于傳統(tǒng)設備及人工作業(yè)方式，該技術(shù)具備作業(yè)受環(huán)境干擾小、能夠有效突破地形限制及顯著降低作業(yè)成本等優(yōu)勢。已有研究[38-41]表明，無人機生態(tài)修復技術(shù)體系顯著提高了生態(tài)治理的效率，在礦山生態(tài)修復等工程中使單位面積作業(yè)成本明顯降低，同時與多種輔助手段配合使用能夠有效縮短生態(tài)植被的恢復周期。

生態(tài)修復無人機作業(yè)技術(shù)體系主要通過4個環(huán)節(jié)構(gòu)成完整的閉環(huán)管理流程：（1）利用遙感測繪技術(shù)獲取高精度的地形與植被本底信息；（2）采用仿地飛行技術(shù)，確保無人機在復雜地貌條件下的穩(wěn)定作業(yè)能力；（3）通過精準播撒控制系統(tǒng)，確保種子和肥料等生態(tài)修復物資的空間分布精度；（4）依靠基于多源數(shù)據(jù)融合的決策算法動態(tài)優(yōu)化播撒參數(shù)。該技術(shù)體系以“感知—決策一執(zhí)行”的實時聯(lián)動機制為核心，顯著提高了生態(tài)修復作業(yè)中植被的成活率，強化了固土及生態(tài)保護效能，并在荒漠化治理、邊坡生態(tài)修復等應用場景中實現(xiàn)了生態(tài)效益的有效量化。

2.2.2 生物防治

生物防治是農(nóng)用無人機播撒技術(shù)在綠色農(nóng)業(yè)中的重要拓展方向，核心在于實現(xiàn)對生物防治劑的精準、高效釋放。該技術(shù)的發(fā)展重點主要集中于投放裝置與釋放裝置的結(jié)構(gòu)設計與協(xié)同優(yōu)化。其中，投放器的主要功能是確保生物防治物料從無人機平臺穩(wěn)定、均勻地投放至目標區(qū)域；而釋放器則需保障防治劑的生物活性與釋放效率，特別是在復雜或極端環(huán)境條件下仍能維持較高的釋放性能。

以赤眼蜂投放為應用案例42，其系統(tǒng)研發(fā)需同時滿足兩方面關(guān)鍵技術(shù)要求：（1）具備自主航跡規(guī)劃與作業(yè)調(diào)度能力，實現(xiàn)自標區(qū)域的智能覆蓋；（2）優(yōu)化投放器與釋放器的協(xié)同設計，確保赤眼蜂等生物防治劑的有效釋放率與空間分布均勻性。整體技術(shù)目標在于構(gòu)建集感知、決策、控制于一體的作業(yè)閉環(huán)系統(tǒng)，從而提高生物防治的時效性、覆蓋精度和生物劑的利用效率。

2.2.3 餌料投放

基于無人機平臺的餌料投放技術(shù)43已有部分水產(chǎn)養(yǎng)殖領(lǐng)域應用案例，其具有提高投餌效率、降低勞動強度及實現(xiàn)餌料精準均勻投放等優(yōu)勢。該技術(shù)依托精準投放系統(tǒng)，在預設飛行路線與參數(shù)控制下，能夠?qū)D料高效、均勻地撒布于指定區(qū)域，適用于大面積、高密度的水產(chǎn)養(yǎng)殖場景。例如在蝦塘投餌實踐中，無人機平臺可在半天內(nèi)完成約 33.33hm² 養(yǎng)殖區(qū)域的飼料均勻投放，較傳統(tǒng)人工方式在效率、均勻性與經(jīng)濟效益方面均表現(xiàn)出顯著優(yōu)勢。

餌料投放系統(tǒng)的關(guān)鍵技術(shù)要素包括：（1）精準控制投放量與投放位置的餌料投放系統(tǒng)；（2）作業(yè)路線決策與路徑優(yōu)化算法；（3）適應不同載荷與任務需求的飛行姿態(tài)調(diào)節(jié)算法；（4）平臺結(jié)構(gòu)設計與能源系統(tǒng)優(yōu)化，以提升單架次作業(yè)能力與續(xù)航性能。這些模塊共同決定了投放作業(yè)的覆蓋效率、投放精度及無人機系統(tǒng)的綜合作業(yè)能力。

除水產(chǎn)營養(yǎng)餌料的投放外，無人機在農(nóng)業(yè)有害生物防治中的毒餌投放亦為重要的拓展應用方向，主要面向鼠害、兔害等動物的生態(tài)控制[44.45]。此類應用在投餌系統(tǒng)的基礎上，需集成高精度引導系統(tǒng)，如基于圖像識別技術(shù)的目標錨定模塊，配合可調(diào)控投放量的變量投餌裝置與智能化決策算法，以優(yōu)化藥劑投放精度。該系統(tǒng)的設計目標為實現(xiàn)農(nóng)田鼠害的實時監(jiān)測、活動規(guī)律識別與擴散趨勢預測，進而建立“識別一投放一追蹤一反饋”一體化的閉環(huán)管理流程，提升防治的精度與時效性，從而保障農(nóng)田生物群落的動態(tài)穩(wěn)定與作物產(chǎn)量安全。

2.3 其他應用場景

除前述場景外，當前研究與實踐正逐步拓展至水果采摘、修剪疏枝、輔助授粉等精細化農(nóng)業(yè)作業(yè)場景，以及載重運輸?shù)葘ζ脚_穩(wěn)定性和政策協(xié)調(diào)提出更高要求的新興產(chǎn)業(yè)方向。

2.3.1 水果采摘

無人機技術(shù)在水果采摘領(lǐng)域的拓展應用，主要是利用無人機平臺搭載專門設計的末端采摘機構(gòu)，并輔以針對特定采摘場景優(yōu)化的控制系統(tǒng)，實現(xiàn)目標果實的精確采收。相比于傳統(tǒng)地面機械臂采摘裝備存在的工作范圍受限、靈活性不足，以及振動采收裝備造成水果損傷率與雜質(zhì)率高等缺陷，無人機平臺的低空作業(yè)方式能夠有效規(guī)避上述問題。

無人機水果采摘系統(tǒng)由飛行平臺、采摘執(zhí)行機構(gòu)與控制系統(tǒng)3部分組成，各組件協(xié)同完成采摘任務。飛行平臺作為系統(tǒng)的基礎載體，其技術(shù)核心在于保障平臺結(jié)構(gòu)的穩(wěn)定性與動力系統(tǒng)的可靠性。通過優(yōu)化硬件結(jié)構(gòu)與動力系統(tǒng)設計，提高無人機載荷能力，利用冗余升力實現(xiàn)采摘過程中精準的懸停與穩(wěn)定移動，從而有效抵御側(cè)向風場干擾與采摘過程中的瞬時載荷變化。

采摘執(zhí)行機構(gòu)的功能在于與目標水果進行精確物理交互，完成采摘動作。其核心技術(shù)難點在于通過結(jié)構(gòu)優(yōu)化減少機構(gòu)自身對環(huán)境與傳感器的干涉作用，降低作物冠層對設備的干擾，并最大限度減少對視覺、激光雷達等傳感器的遮擋效應。末端執(zhí)行器需根據(jù)不同水果特征進行差異化設計，常見方案包括多軸機械抓取機構(gòu)、夾剪一體化機構(gòu)或氣動吸取機構(gòu)等。執(zhí)行機構(gòu)的設計質(zhì)量與優(yōu)化程度直接決定水果采摘的最終效果與質(zhì)量。

控制系統(tǒng)是水果采摘系統(tǒng)的核心部分，通過多維度控制策略實現(xiàn)無人機采摘作業(yè)全流程的精準執(zhí)行。具體包含目標交互模塊與飛行控制模塊兩部分。已有研究表明，目標交互系統(tǒng)通常采用視覺感知方法，要求同時實現(xiàn)高精度識別與設備輕量化設計。通過實時識別與反饋機制，精準錨定采摘目標位置，引導采摘執(zhí)行機構(gòu)完成采摘動作。飛行控制模塊則根據(jù)環(huán)境感知信息實時調(diào)整無人機的姿態(tài)，兼顧平臺安全性與作業(yè)效率，同時減少風場擾動與平臺本身運動對采摘精度的影響。由于無人機飛行速度較快，且作業(yè)環(huán)境中存在多種擾動因素，控制系統(tǒng)的核心挑戰(zhàn)是實現(xiàn)快速響應的決策控制機制。針對上述挑戰(zhàn)，Kumar等[46提出了一種位置映射系統(tǒng)，建立視覺識別結(jié)果與無人機實時位置的映射關(guān)系，實現(xiàn)垂直農(nóng)業(yè)場景下蘋果的精準采摘；Chen等4則提出精度更高的速度映射系統(tǒng)，以龍眼串果果梗為采摘目標，建立視覺識別與無人機移動速度的實時映射關(guān)系，實現(xiàn)了高精度的無人機水果采摘。

綜上，無人機平臺的低空作業(yè)優(yōu)勢使其可有效克服地面采摘裝備的作業(yè)局限性，提高作業(yè)靈活度。此外，多無人機協(xié)同與多設備協(xié)作的方案48顯著提升了作業(yè)效率，特別適用于規(guī)模化果園及復雜環(huán)境的水果采摘任務。當前，水果采摘無人機的技術(shù)挑戰(zhàn)主要集中于目標果實的快速識別技術(shù)、無人機精準懸停與抗干擾控制技術(shù)，以及適應不同水果特性的末端執(zhí)行機構(gòu)設計。

2.3.2 修剪疏枝

修剪疏枝作業(yè)是果樹精細化管理中的關(guān)鍵環(huán)節(jié)，可優(yōu)化樹冠結(jié)構(gòu)，改善通風透光條件，從而提高果實品質(zhì)和產(chǎn)量并減少病蟲害發(fā)生。基于無人機平臺的修剪作業(yè)利用其高機動性可快速抵達目標枝梢區(qū)域，高度契合高大樹木的精準作業(yè)場景。

當前應用中，通過掛載修剪裝置與枝稍識別系統(tǒng)，無人機可在強光、弱光、冠層稀疏或密集等多種光照與枝葉結(jié)構(gòu)條件下執(zhí)行枝梢疏除任務[49-51]。該系統(tǒng)的核心技術(shù)要素主要包括：目標枝梢的快速識別與定位算法、平臺懸停的動態(tài)穩(wěn)定控制能力，以及修剪執(zhí)行機構(gòu)在操作過程中對外力擾動的魯棒性設計。整體技術(shù)架構(gòu)與水果采摘系統(tǒng)相似，均依賴于“感知一決策一執(zhí)行”的多模塊協(xié)同機制，實現(xiàn)穩(wěn)定、高效的自動化作業(yè)流程。

2.3.3 輔助授粉

無人機平臺可利用旋翼產(chǎn)生的下洗風場對水稻、小麥等作物進行輔助授粉制種。當前技術(shù)難點在于掌握旋翼無人機授粉的流場特性[22]，探究不同機型田間風場規(guī)律和花粉在母本廂行內(nèi)的分布情況，研究旋翼轉(zhuǎn)速、旋翼數(shù)量與位置對下洗風場分布的影響、匹配作物種植模式的行比和不同機型的參數(shù)，以及如何實現(xiàn)高航時的定高、定速、定航線、定寬飛行控制模式[52-54]

2.3.4 載重運輸

根據(jù)國家郵政局公布的數(shù)據(jù)[55，2024年全國快遞件1750.8億件，同比增長 21.5% ，快遞業(yè)務收入1.4萬億元，同比增長 13.8% ，國內(nèi)快遞業(yè)務量農(nóng)村地區(qū)占比超過 35% 。農(nóng)村地區(qū)快遞業(yè)務量的高占比表明，農(nóng)村地區(qū)快遞服務網(wǎng)絡正在加快下沉。無人機載重運輸技術(shù)是該物流體系的重要一環(huán)[56]，目前國內(nèi)部分地區(qū)已啟動無人機物流運輸試點，逐步探索其在農(nóng)村、山區(qū)等復雜環(huán)境中的運行模式與可行性，為農(nóng)村寄遞最后一段寄送服務實現(xiàn)有效拓展。

無人機載重運輸技術(shù)核心研究方向包括：結(jié)合低空空域優(yōu)勢，開發(fā)適用于多場景的載重結(jié)構(gòu)設計與運載形式；優(yōu)化能源系統(tǒng)與動力裝置，提升續(xù)航能力與飛行穩(wěn)定性；構(gòu)建適應載重飛行的姿態(tài)控制與路徑規(guī)劃算法，以有效應對運輸過程中的載重限制與飛行擺動問題。隨著相關(guān)技術(shù)持續(xù)突破，無人機有望在復雜地形條件下實現(xiàn)安全、高效的物流作業(yè)，進一步提升農(nóng)資物料與農(nóng)產(chǎn)品的流通效率，增強農(nóng)業(yè)供應鏈的時效性與柔性支撐能力。

3農(nóng)用無人機關(guān)鍵技術(shù)

基于上述農(nóng)用無人機的應用現(xiàn)狀和場景拓展，其作業(yè)性能依賴于一系列底層關(guān)鍵技術(shù)。因此，深入分析農(nóng)用無人機作業(yè)關(guān)鍵技術(shù)，聚焦能源供給與管理、低空網(wǎng)聯(lián)、飛行環(huán)境感知，以及智能決策與控制等技術(shù)模塊。

3.1 能源供給與管理

當前商用無人機按動力類型分為油動、電動及其他能源驅(qū)動形式[57]，其中電動無人機憑借結(jié)構(gòu)簡單、使用便捷、維護成本低等優(yōu)勢，已成為當前市場的主導類型。農(nóng)用無人機作為通用無人機技術(shù)在農(nóng)業(yè)領(lǐng)域的延伸，考慮到作業(yè)續(xù)航時間和載重能力的特殊需求，其能源供給與能耗管理技術(shù)需進行差異化改進。

在電池技術(shù)方面，鋰電池因具有較高安全性且原材料供應鏈體系穩(wěn)定，仍為當前無人機市場中應用最廣泛的電源類型。受限于鋰電池的能量密度，電源系統(tǒng)整體質(zhì)量與體積偏大。現(xiàn)階段采用鋰電池的商用無人機續(xù)航平均時間為 40min ，在執(zhí)行大面積農(nóng)田作業(yè)任務時，需頻繁更換電池，從而影響作業(yè)連續(xù)性與整體效率。針對上述局限，固態(tài)電池因采用固態(tài)電解質(zhì)結(jié)構(gòu)，在安全性、工作溫度區(qū)間和理論能量密度方面具備顯著優(yōu)勢，成為解決傳統(tǒng)鋰電池瓶頸的重要替代方向。目前部分企業(yè)已研制出能量密度超過 400Wh/kg 的固態(tài)電池雛形，理論上可實現(xiàn)無人機平臺續(xù)航能力的數(shù)倍提升，且具備更優(yōu)的環(huán)境適應性與循環(huán)壽命。盡管其在材料成本控制、電極界面穩(wěn)定性等方面仍面臨工程難點，但在航空無人系統(tǒng)領(lǐng)域的應用前景正日益受到重視。此外，為突破續(xù)航瓶頸，部分企業(yè)正積極探索以氫燃料電池為代表的新型動力系統(tǒng)，憑借其更高的能量密度，有望實現(xiàn)更長時間的穩(wěn)定飛行[58]。當前，包括中國、英國、韓國等在內(nèi)的多家企業(yè)已推出基于氫燃料電池的多旋翼無人機，部分機型續(xù)航時間超過 2h 最大有效載荷可達 25kg^[59] 。盡管該類技術(shù)在性能上展現(xiàn)出顯著優(yōu)勢，但仍面臨儲氫系統(tǒng)體積大、儲能密度不足以及系統(tǒng)動態(tài)響應能力較弱等工程瓶頸，限制了其在農(nóng)用無人機領(lǐng)域的規(guī)模化部署。

除推進電池類型創(chuàng)新外，部分研究也從能源獲取與管理策略層面探索續(xù)航能力的提升路徑。通過在無人機平臺集成太陽能電池板構(gòu)建光電混合供能系統(tǒng)，或引入由太陽能電池、鋰電池與超級電容構(gòu)成的復合儲能體系；此外，還有研究提出激光引導供能系統(tǒng)，包括高功率激光發(fā)射、定位引導及機載光電轉(zhuǎn)換模塊等技術(shù)路徑，嘗試延長無人機航時。基于上述方法，徐偉誠[61] Khan^[62] 等在太陽能供電或太陽能一二次電池混合供電領(lǐng)域展開研究；黃開63提出了激光供能增加無人機群續(xù)航時長的方案。

在作業(yè)層面，由于無人機能源仍為受限資源，能耗管理成為延長任務時間與提升系統(tǒng)效率的重要方向。相關(guān)研究主要集中在作業(yè)能耗建模、功耗優(yōu)化分配與能效路徑規(guī)劃等方面。李繼宇等[64基于白盒建模方法構(gòu)建了多旋翼農(nóng)用無人機的能耗模型，并通過實測修正參數(shù)提升預測精度，為作業(yè)任務規(guī)劃提供能耗估算依據(jù)。在能耗模型建立的基礎上，可針對其中細分功能模塊的構(gòu)建能耗、功率輸出效果等相關(guān)的加權(quán)獎勵函數(shù)，引人強化學習模型對無人機作業(yè)過程的能耗優(yōu)化問題進行求解。通過能效系數(shù)建模，范葉滿等[65]設計模擬退火算法實現(xiàn)山區(qū)環(huán)境下的最優(yōu)路徑規(guī)劃，試驗結(jié)果顯示，該方法可在飛行速度為 2m/s， 不同負載條件下分別節(jié)約最高達 30.16% 的常規(guī)作業(yè)能耗與 32.04% 的實時變化負載作業(yè)能耗。

現(xiàn)階段軟件層面對功耗模塊以及無人機作業(yè)方式的協(xié)調(diào)可有效提升能耗效率，但無人機的續(xù)航瓶頸仍主要受限于電源系統(tǒng)本身。隨著未來電池技術(shù)和無線供能等關(guān)鍵領(lǐng)域的突破，農(nóng)用無人機的續(xù)航能力有望得到顯著改善，為其在大尺度、多場景農(nóng)業(yè)作業(yè)中的應用提供更強支撐。

3.2低空網(wǎng)聯(lián)通信技術(shù)

低空網(wǎng)聯(lián)通信技術(shù)作為低空空域通用基礎設施的重要組成部分，具備良好的跨領(lǐng)域適應性，可有效支撐農(nóng)業(yè)低空作業(yè)中設備互聯(lián)、信息傳輸及調(diào)度控制等核心環(huán)節(jié)的需求。該類通信系統(tǒng)能夠?qū)r(nóng)業(yè)場景中的感知終端、作業(yè)無人機及管理平臺等實現(xiàn)穩(wěn)定、靈活的通信連接，進而推動農(nóng)業(yè)生產(chǎn)的信息化與智能化。

隨著5G/6G通信技術(shù)發(fā)展，傳統(tǒng)面向地面用戶的二維通信服務模式正在向三維立體通信體系演化。通過部署如多旋翼無人機及低軌衛(wèi)星等空中移動通信節(jié)點，可構(gòu)建空地融合的低空通信網(wǎng)絡，顯著提升通信系統(tǒng)在復雜農(nóng)業(yè)環(huán)境中的覆蓋范圍與響應能力。在無人系統(tǒng)網(wǎng)絡化、數(shù)字化與智能化持續(xù)演進的背景下，低空網(wǎng)聯(lián)通信技術(shù)的發(fā)展已成為關(guān)鍵支撐路徑之一。其核心技術(shù)體系主要包括3個方面：（1低空通信立體覆蓋增強技術(shù)，旨在實現(xiàn)復雜三維空間內(nèi)的高效信號傳輸與動態(tài)感知覆蓋；（2）低空組網(wǎng)與移動性管理機制，用于解決高速移動節(jié)點在動態(tài)拓撲結(jié)構(gòu)中的鏈路維護與切換控制問題；（3）低空通信抗干擾與穩(wěn)定性保障機制，重點應對密集通信環(huán)境下的信號沖突、鏈路干擾與頻譜資源管理等問題[66，67]。

在提升低空通信的立體覆蓋性能方面，當前研究普遍采用將無人機作為空中移動基站的策略，構(gòu)建動態(tài)可調(diào)的通信拓撲結(jié)構(gòu)。結(jié)合6G系統(tǒng)架構(gòu)，可通過引入無蜂窩網(wǎng)絡架構(gòu)以及可重構(gòu)智能表面（RIS）等前沿技術(shù)，有效增強通信系統(tǒng)對三維空間的覆蓋能力。研究表明，圍繞無人機與RIS之間的位置關(guān)系優(yōu)化部署策略，或通過動態(tài)調(diào)整無人機在三維空間中的坐標及路徑損耗因子，均可在不顯著增加系統(tǒng)復雜度的前提下，顯著提升通信系統(tǒng)的覆蓋廣度與能效表現(xiàn)。Abdel-Basset等6設計了一種增強型智能優(yōu)化算法，用于提升6G架構(gòu)中無人機移動基站的空間覆蓋率。試驗結(jié)果表明，該方法在滿足通信約束條件的基礎上，有效減少了實現(xiàn)既定覆蓋率所需的基站數(shù)量，從而提升了網(wǎng)絡部署的成本效益；Shakoor等[69則進一步從高度與路徑損耗補償因子出發(fā)，優(yōu)化無人機在三維空間中的部署策略，顯著提升了通信網(wǎng)絡的空間覆蓋性能與吞吐能力。

在低空組網(wǎng)的移動性管理方面，由于無人機終端具有高速移動特性，常需與多個空中基站頻繁建立與切換通信鏈路，從而引發(fā)網(wǎng)絡頻繁切換甚至鏈路中斷的風險。為保障通信系統(tǒng)的連續(xù)性與穩(wěn)定性，需在網(wǎng)絡規(guī)劃中重點優(yōu)化鏈路切換頻率、頻譜利用效率以及切換過程中的中斷概率等關(guān)鍵性能指標。當前相關(guān)研究主要聚焦于提升網(wǎng)絡服務的可用性、連續(xù)性與可靠性。Azari等[針對蜂窩網(wǎng)絡下行鏈路中的服務性能展開分析，研究了同時為空中與地面用戶提供服務的條件下，不同網(wǎng)絡密度配置對用戶體驗的影響；Meer等[71]則提出了一種基于服務可用性的鏈路切換決策機制，通過降低切換帶來的鏈路延遲，有效提升上行鏈路的通信穩(wěn)定性，尤其適用于動態(tài)環(huán)境下的低空無人系統(tǒng)通信需求。

此外，現(xiàn)階段無人機通信形式以空地通信為主，其干擾類型分為無人機與地面基站之間的上行鏈路干擾、地面基站向無人機的下行鏈路干擾以及無人機集群內(nèi)部的同頻干擾3類。為提升通信穩(wěn)定性，亟須針對不同干擾類型開發(fā)高效的干擾抑制與隔離機制，其中信道自適應調(diào)度被認為是重要的技術(shù)路徑之一。Li等[72]提出一種自適應干擾消除方法，其中每個地面基站可基于信道條件自適應地解碼來自無人機的通信內(nèi)容，以此應對空對地同頻干擾。Liu等3則從空間域角度出發(fā)，構(gòu)建了鏈路信噪比與無人機空間位置之間的映射關(guān)系，將傳統(tǒng)信噪比約束轉(zhuǎn)化為空間距離約束，并結(jié)合頻譜資源的多信道分配策略，構(gòu)建鏈路間的干擾隔離機制。該方法在保障網(wǎng)絡最小信噪比的前提下，顯著提升了空地通信系統(tǒng)的抗干擾能力。

隨著6G網(wǎng)絡體系的逐步完善與規(guī)模化部署，以及該網(wǎng)絡體系在傳輸速率、覆蓋范圍與通信時延等關(guān)鍵性能指標上的提升，將進一步推動低空網(wǎng)聯(lián)系統(tǒng)在農(nóng)業(yè)等應用場景中的深度融合與高效運行。

3.3 飛行環(huán)境感知

飛行環(huán)境感知技術(shù)是農(nóng)用無人機自主避障的基礎，需在復雜農(nóng)業(yè)作業(yè)場景下實現(xiàn)高精度識別障礙。按障礙物特征可將其分類為微小型、中小型、大型，無特征規(guī)律障礙物，前3類多為靜態(tài)結(jié)構(gòu)，如電線、樹枝、房屋等；后者包括動態(tài)目標（如飛禽、行人）和表面反光或紋理模糊物體（如水體、大棚薄膜），具有顯著不確定性。當前農(nóng)用無人機感知技術(shù)中仍以微小型障礙和無特征規(guī)律障礙識別為技術(shù)難點[74]

針對微小型與無規(guī)律障礙識別的難點，研究人員圍繞感知傳感器及障礙檢測方法持續(xù)開展探索[75]。由于單一傳感器難以滿足復雜環(huán)境下的感知需求，近年來多傳感器融合技術(shù)逐漸成為研究重點，涵蓋向量數(shù)據(jù)、點陣數(shù)據(jù)與特征數(shù)據(jù)等多類型信息的融合策略。其中，向量數(shù)據(jù)融合主要基于IMU、GNSS等傳感器輸出，通過濾波算法對旋轉(zhuǎn)角、速度等狀態(tài)信息進行估算與校正，以抑制傳感器誤差和解算漂移。點陣數(shù)據(jù)融合則多依賴于可見光相機、LiDAR、紅外熱像儀等成像設備，通過數(shù)據(jù)混合或數(shù)據(jù)堆疊實現(xiàn)多源信息融合。前者通過設定權(quán)重進行加權(quán)疊加，生成更具判別力的綜合信息；后者則將多通道圖像數(shù)據(jù)直接拼接以豐富信息維度，盡管不產(chǎn)生新信息，但可增強模型表達能力。需強調(diào)的是，兩種方法都要求各傳感器針對同一目標的成像點在空間上對齊，確保融合效果具備有效性與一致性。

基于上述方法，Donati等采用卡爾曼濾波方法，將無人機機載GPS、慣性測量單元（IMU）超聲波傳感器數(shù)據(jù)與三維低復雜度地圖信息相結(jié)合。張博等[77]提出融合毫米波雷達與視覺相機的感知系統(tǒng)，通過坐標系轉(zhuǎn)換完成空間信息對齊，分別提取障礙物的距離與圖像特征，提升避障決策準確性。張紅蕾等[78]結(jié)合改進貝葉斯算法，將二維激光雷達與深度相機生成的點云信息進行融合，彌補激光雷達在特定方向的感知盲區(qū)，增強環(huán)境感知完整性。

在特征數(shù)據(jù)融合方面，常規(guī)方法通過指標計算從原始感知數(shù)據(jù)中提取光譜、紋理、結(jié)構(gòu)、溫度等特征并加以融合。基于紋理與結(jié)構(gòu)特征的融合方法可用于障礙物識別，但較依賴專家經(jīng)驗，且特征選擇與回歸算法設計增加了系統(tǒng)復雜性。近些年來，深度學習方法的引入為特征融合提供了新的路徑。其通過模型訓練自動提取障礙物特征，可突破傳統(tǒng)融合方式對數(shù)據(jù)類型和處理流程的限制，提升識別精度與系統(tǒng)適應性，逐漸成為該領(lǐng)域的重要研究方向[79]。Singla等[80]提出一種深度學習強化網(wǎng)絡，將帶有深度信息的圖片輸人帶有注意力機制的強化學習網(wǎng)絡，利用歷史觀測信息迭代訓練，從而提高障礙物識別精度。Wang等[81]引人YOLOv3深度學習算法檢測無人機飛行過程中遇到的障礙物，利用深度相機獲取障礙物類別、輪廓和三維空間位置等屬性。

經(jīng)過十余年發(fā)展，無人機感知微小靜態(tài)障礙物已實現(xiàn)較高技術(shù)精度。然而，對于形態(tài)不固定、特征不穩(wěn)定的動態(tài)或復雜表面障礙物，仍存在感知瓶頸。隨著傳感器靈敏度提升及感知算法的持續(xù)優(yōu)化，農(nóng)用無人機對非結(jié)構(gòu)化障礙的感知能力有望進一步加強。

3.4智能決策與控制

農(nóng)用無人機智能決策與控制系統(tǒng)是智慧農(nóng)業(yè)的重要技術(shù)支撐，能夠根據(jù)任務目標自主規(guī)劃執(zhí)行路徑與作業(yè)流程，并結(jié)合低空通信網(wǎng)絡與機載感知模塊，實時獲取作業(yè)環(huán)境、機體狀態(tài)及任務進度等關(guān)鍵參數(shù)，實現(xiàn)對各功能子系統(tǒng)的動態(tài)調(diào)度與最優(yōu)控制。應用案例有基于無人機場的周期性自主巡檢、無人機集群的協(xié)同作業(yè)以及與其他農(nóng)業(yè)智能體的多機協(xié)同任務等。當前，農(nóng)用無人機智能決策系統(tǒng)主要基于經(jīng)典控制策略、啟發(fā)式算法、機器學習與深度學習等方法開展推理與執(zhí)行。決策系統(tǒng)關(guān)聯(lián)航線規(guī)劃、飛行避障、故障診斷等任務模塊；控制層面則聚焦于飛行器位姿的自適應調(diào)控與精確執(zhí)行。

在農(nóng)用無人機航線規(guī)劃與避障方面，系統(tǒng)需基于任務要求與環(huán)境感知信息，動態(tài)生成最優(yōu)飛行路徑，在飛行過程中識別并規(guī)避潛在障礙物。現(xiàn)階段相關(guān)研究聚焦于航線規(guī)劃與避障算法的優(yōu)化，如經(jīng)典算法、元啟發(fā)式算法、深度學習算法等[82]，經(jīng)典算法基于確定性啟發(fā)策略，為特定問題設計局部優(yōu)化機制，目標在于快速生成可行解，盡管不保證全局最優(yōu)，但在結(jié)構(gòu)清晰的任務場景中表現(xiàn)出較高的計算效率，典型代表包括A算法、D*算法等[83.84]；元啟發(fā)式算法則提供一種與問題無關(guān)的全局搜索框架，通過模擬自然演化或群體行為以實現(xiàn)對解空間的廣域探索，強調(diào)局部最優(yōu)與全局最優(yōu)之間的動態(tài)平衡，具備一定的隨機性與自適應性，適用于復雜路徑優(yōu)化任務，如遺傳算法、粒子群優(yōu)化算法、神經(jīng)網(wǎng)絡算法等[85]，通過改進上述算法在復雜環(huán)境下提升了路徑規(guī)劃效率與魯棒性。此外，在深度學習方法方面，路徑?jīng)Q策的強化學習框架逐漸成為研究熱點。Sonny等8基于Q—learning算法，提出一種具備靜態(tài)與動態(tài)避障功能的無人機路徑規(guī)劃方法，并引人最短路徑優(yōu)先排序原則。滕菲等[8則基于深度強化學習構(gòu)建動態(tài)避障模型，通過引入改進的近端策略優(yōu)化算法（PPO）與碰撞檢測獎勵函數(shù)，有效提升系統(tǒng)對障礙邊界的感知精度與路徑安全性。

在故障診斷方面，農(nóng)用無人機需具備系統(tǒng)的健康管理能力，能夠在遭遇環(huán)境威脅或機載系統(tǒng)異常時，及時向上位機或操作終端發(fā)出預警，必要時依據(jù)預設安全閾值自主接管飛行控制系統(tǒng)，并執(zhí)行風險規(guī)避操作，如自動返航或緊急降落。現(xiàn)有研究包括設計觀測器與卡爾曼濾波器等經(jīng)典方法[88.89]，以及基于專家經(jīng)驗與深度學習的智能診斷法。傳統(tǒng)方法如卡爾曼濾波器與故障觀測器模型，依賴于對系統(tǒng)狀態(tài)變化的實時估算，可實現(xiàn)對部分故障征兆的早期識別。然而，該類方法對系統(tǒng)建模精度與噪聲假設存在較強依賴，難以應對復雜工況下的非線性干擾。近些年來，以知識驅(qū)動和數(shù)據(jù)驅(qū)動相結(jié)合的智能診斷方法逐漸興起。Kladis等[90]通過圖論工具和偽布爾表達式來建立多源信息約束關(guān)系，用于推斷故障潛因，雖顯著提升診斷精度，但對規(guī)則系統(tǒng)構(gòu)建者的經(jīng)驗依賴較強；Ahmad等91基于Transformer框架提出一種面向傳感器異常檢測的深度學習方法，能自動建模多維時間序列中的關(guān)聯(lián)模式，在多類故障情形下展現(xiàn)出良好性能，但在數(shù)據(jù)獲取成本與復雜環(huán)境下模型泛化能力方面仍面臨挑戰(zhàn)。

此外，在基于無人機的自適應控制研究中，重點在于實現(xiàn)系統(tǒng)在非結(jié)構(gòu)化環(huán)境中的穩(wěn)定運行。該過程依賴無人機對內(nèi)部狀態(tài)和外部擾動的感知能力，通過調(diào)節(jié)控制策略以抵消系統(tǒng)不確定性與外部干擾，從而確保運行狀態(tài)精確跟蹤任務目標，如在水果采摘、修剪疏枝等高精度作業(yè)場景，姿態(tài)控制的穩(wěn)定性與響應能力是保障操作精度與執(zhí)行效率的關(guān)鍵因素。當前相關(guān)研究主要集中于自適應控制算法的設計，楊永琳等[92]提出基于反演方法的動態(tài)逆控制器實現(xiàn)對預設飛行軌跡的穩(wěn)定跟蹤；姜雪瑩等[93]構(gòu)建基于自適應滑模控制的姿態(tài)調(diào)節(jié)算法增強無人機在干擾環(huán)境下的懸停穩(wěn)定性。

當前，農(nóng)用無人機智能決策與控制系統(tǒng)已形成經(jīng)典算法與深度學習等新興算法融合的技術(shù)體系，在路徑規(guī)劃、故障診斷以及運行狀態(tài)自適應調(diào)節(jié)等方面取得顯著進展。隨著輕量化決策模型與控制理論的迭代發(fā)展，未來無人機智能決策系統(tǒng)將能夠在更復雜的作業(yè)場景下高效率作業(yè)。

4展望

系統(tǒng)梳理并總結(jié)農(nóng)業(yè)低空經(jīng)濟領(lǐng)域的規(guī)模化應用場景及拓展方向，首先回顧農(nóng)用無人機在農(nóng)情遙感、植保作業(yè)和施肥播種等規(guī)模化應用領(lǐng)域的技術(shù)現(xiàn)狀，隨后深入探討無人機技術(shù)向巡檢監(jiān)測、災害應對、生態(tài)修復以及采摘、修枝、授粉作業(yè)替代等領(lǐng)域的應用延伸，并對相關(guān)領(lǐng)域無人機的關(guān)鍵共性技術(shù)進行分析。

從關(guān)鍵技術(shù)層面來看，能源技術(shù)制約了無人機大規(guī)模應用。現(xiàn)階段研究集中于能耗管理策略和無線供能等技術(shù)，以期有效延長無人機續(xù)航時間，但總體上仍顯著受限于電池能量密度的提升速度。繼能源問題之后，通信技術(shù)是無人機應用的另一關(guān)鍵挑戰(zhàn)。目前低空網(wǎng)聯(lián)通信技術(shù)的研究重點主要包括提升三維空間的信號覆蓋強度、數(shù)據(jù)傳輸效率及通信系統(tǒng)的抗干擾能力等方面，但實際應用仍高度依賴通信基礎設施的建設及低空通信標準的制定。在環(huán)境感知技術(shù)方面，當前技術(shù)方案已能夠較為精準地識別電線等微小型障礙物，但面對無規(guī)律特征障礙時仍存在明顯的感知不足，這需要進一步提高傳感器靈敏度以及優(yōu)化多源數(shù)據(jù)融合算法。決策與控制技術(shù)的研究現(xiàn)狀呈現(xiàn)經(jīng)典算法優(yōu)化與前沿人工智能算法并行發(fā)展的特征，面臨的主要挑戰(zhàn)包括高效數(shù)據(jù)采集方法和動態(tài)復雜環(huán)境下控制系統(tǒng)的魯棒性問題。

針對農(nóng)用無人機在能源、通信、感知以及決策與控制技術(shù)領(lǐng)域的研究進展及現(xiàn)存局限性，未來的發(fā)展可著重從四個方面展開：（1）加強高能量密度電池技術(shù)的研發(fā)，持續(xù)優(yōu)化能耗管理系統(tǒng)；（2）積極推動低空智能網(wǎng)聯(lián)通信技術(shù)與通信服務產(chǎn)業(yè)的融合發(fā)展，合理布局低空通信基礎設施；充分運用物聯(lián)網(wǎng)技術(shù)，實現(xiàn)無人機與其他農(nóng)業(yè)裝備之間的位置、速度等信息共享和實時通信；（3）進一步提升環(huán)境感知傳感器的精度與響應效率，構(gòu)建多傳感器數(shù)據(jù)融合的復合識別算法；（4）提高經(jīng)典算法在特定應用場景下的計算效率，同時推進面向復雜動態(tài)環(huán)境的智能決策與控制算法的研究與應用。

除無人機自身的技術(shù)進步外，下述因素對農(nóng)業(yè)低空經(jīng)濟產(chǎn)業(yè)發(fā)展同樣至關(guān)重要：（1）政策體系與行業(yè)標準化建設：政府持續(xù)通過補貼優(yōu)惠政策、低空空域開放等措施，有效推動農(nóng)業(yè)低空經(jīng)濟的發(fā)展。未來，伴隨應用場景的不斷拓展和技術(shù)成熟度的提高，覆蓋研發(fā)、生產(chǎn)、應用及管理全流程的行業(yè)標準體系建設將逐步完善。（2）產(chǎn)業(yè)協(xié)同與生態(tài)體系建設：農(nóng)業(yè)低空經(jīng)濟的發(fā)展有效促進無人機制造、傳感器技術(shù)、通信技術(shù)以及數(shù)據(jù)處理與分析等多產(chǎn)業(yè)領(lǐng)域的深度協(xié)同。在技術(shù)進步過程中，以農(nóng)用無人機為核心的農(nóng)業(yè)低空經(jīng)濟生態(tài)體系正在形成，包括無人機地面站、通信定位中繼站、數(shù)據(jù)服務平臺和裝備維護中心等地面支撐設施，將為農(nóng)業(yè)現(xiàn)代化提供更為完善的技術(shù)支撐體系。

綜上，以農(nóng)用無人機為核心的農(nóng)業(yè)低空經(jīng)濟及相關(guān)技術(shù)體系，不僅是推動農(nóng)業(yè)現(xiàn)代化的重要動力，也是實現(xiàn)鄉(xiāng)村振興與農(nóng)業(yè)可持續(xù)發(fā)展的關(guān)鍵途徑。未來，伴隨技術(shù)創(chuàng)新、政策扶持與應用場景的協(xié)同發(fā)展，農(nóng)業(yè)低空經(jīng)濟在農(nóng)業(yè)領(lǐng)域中的戰(zhàn)略地位和應用價值將持續(xù)提升。

參考文獻

[1］Food andAgricultureOrganisation ofthe United Nations.The future of food and agriculture：Trends and challenges[EB/OL].https：//www.fao.org/fsnforum/ resources/reports-and-briefs/future-food-and-agriculturetrends-and-challenges，2017.

[2]The Global Network Against Food Crises.2O25Global report onfood crises[EB/OL].https：//www.fsinplatform. org/grfc2025，2025.

[3］國務院公報．中共中央國務院關(guān)于積極發(fā)展現(xiàn)代農(nóng)業(yè)扎 實推進社會主義新農(nóng)村建設的若干意見[EB/OL]. https：//www. gov. cn/gongbao/content/2oo7/content_ 548921.htm，2006—12—31.

[4］喬金亮.強化現(xiàn)代農(nóng)業(yè)基礎支撐- —2022年中央一號文 件述評之二 [EB/OL].https：//www.gov. cn/xinwen/2022—02/25/content_5675552. htm，2022- 02—25.

[5］新華社．國務院印發(fā)《“十四五\"推進農(nóng)業(yè)農(nóng)村現(xiàn)代化規(guī) 劃》[EB/OL]. https：//www.gov.cn/xinwen/2022— 02/11/content_5673141.htm，2022—02—11.

[6]國務院，中央軍委．無人駕駛航空器飛行管理暫行條 例[EB/OL]. htps：//www.gov. cn/zhengce/content/ 202306/content_6888799.htm，2024—09—03.

[7］王偉中．政府工作報告一 ——2024年1月23日在廣東省第 十四屆人民代表大會第二次會議上[EB/OL]. https：//www. gd. gov. cn/gkmlpt/content/4/4341/post_ 4341257.html#45，2025—01—27.

[8]新華社．“低空經(jīng)濟”發(fā)展一年間［EB/OL]. https：//www. gov. cn/yaowen/liebiao/202502/content_ 7004451. htm，2025—02—19.

[9]Fortune Business Insights.Agriculture drone market size， share amp; industry analysis：Report ID：FBI1O2589 [R]. Pune ： Fortune Business Insights， 2025.

[10］國務院辦公廳．國務院辦公廳關(guān)于促進通用航空業(yè)發(fā)展 的指導意見[EB/OL]. https：//www.gov.cn/zhengce/ content/2016—05/17/content_5074120.htm，2024-09—03.

[11]Liu Y，F(xiàn)an Y，F(xiàn)eng H，et al.Estimating potato above ground biomass based on vegetation indices and texture featuresconstructedfromsensitivebandsofUAV hyperspectral imagery [J]. Computers and Electronics in Agriculture，2024，220：108918.

[12]何勇，王月影，何立文，等．低空經(jīng)濟政策和技術(shù)在農(nóng)業(yè) 農(nóng)村的應用現(xiàn)狀與前景[J]．農(nóng)業(yè)工程學報，2025， 41（8）：1-16. He Yong，Wang Yueying，He Liwen，et al. Current status and prospects of low-altitude economy policies and technologiesinagricultureandruralareas[J]. Transactions of the Chinese Society of Agricultural Engineering，2025，41（8）：1-16.

[13］李繼宇，胡瀟丹，蘭玉彬，等．基于文獻計量學的 2001— 2020全球農(nóng)用無人機研究進展[J]．農(nóng)業(yè)工程學報， 2021，37（9）：328-339. Li Jiyu，Hu Xiaodan，Lan Yubin，et al. Research advance on worldwide agricultural UAVs in 20ol—2020 basedon bibliometrics [J].Transactions of the Chinese Society of Agricultural Engineering，2021，37（9）： 328-339.

[14］朱姜蓬．農(nóng)用多光譜低空遙感多旋翼無人機系統(tǒng)開發(fā)及 作物長勢監(jiān)測應用研究[D]．杭州：浙江大學，2023. Zhu Jiangpeng. Development of agricultural multi-spectral low-altitude remote sensing multi-rotor unmanned aircraft system and its application on crop growth monitoring [D]. Hangzhou： Zhejiang University，2023.

[15] Da H， Li Y， Xu L，et al. Advancing soybean biomass estimation through multi-source UAV data fusion and machine learning algorithms [J]． Smart Agricultural Technology，2025，10：100778.

[16]Subeesh A，KumarSP，ChakrabortySK，etal.UAV imagerycoupleddeeplearningapproachforthe development of an adaptive in-house web-based application for yield estimation in citrus orchard [J]. Measurement. 2024，234：114786.

[17]Kouadio L，El Jarroudi M，Belabess Z，et al. A Review on UAV-based applications for plant disease detection and monitoring[J].Remote Sensing，2023，15（17）：4273.

[18］蘭玉彬，陳盛德，鄧繼忠，等．中國植保無人機發(fā)展形勢及 問題分析[J].華南農(nóng)業(yè)大學學報，2019，40（5）：217—225. Lan Yubin，Chen Shengde，Deng Jizhong，et al. Development situation and problem analysis of plant protection unmanned aerial vehicle in China [J].Journal of South China Agricultural University，2Ol9，40（5）： 217-225.

［19］薛秀云，楊振宇，梁馨琪，等.霧化網(wǎng)格在果樹植保噴霧中 的應用與試驗[J].農(nóng)業(yè)工程學報，2022，38（18）：1—10. Xue Xiuyun，Yang Zhenyu，Liang Xinqi，et al. Application and experiments of the atomization mesh used on the plant protection spraying in orchards [J]． Transactions of the Chinese Society of Agricultural Engineering，2O22，38（18） ： （20 1-10 ：

[20］胡淑芬，曹昕奕，鄧勇杰，等．植保無人機飛行參數(shù)對油 茶授粉霧滴分布及坐果率的影響[J]．農(nóng)業(yè)工程學報， 2023，39（20）：92—100. Hu Shufen，Cao Xinyi，Deng Yongjie，et al. Effects of the flight parameters of plant protection drone on the distribution of pollination droplets and the fruit setting rate of camellia [J]. Transactions of the Chinese Society of Agricultural Engineering，2023，39（20）： 92-100.

[21]NY/T3881—2021，遙控飛行播種機質(zhì)量評價技術(shù)規(guī) 范[S].

[22］何偉灼，劉威，姜銳，等.無人機點射式水稻播種裝置控制系 統(tǒng)設計與試驗[J].農(nóng)業(yè)工程學報，2022，38（18）：51—61. He Weizhuo，Liu Wei，Jiang Rui，et al.Control system design and experiments of UAV shot seeding device for rice[J].Transactions of the Chinese Societyof Agricultural Enginering，2022，38（18）：51-61.

[23] Zhou H，Yao W，Su D，et al. Application of a centrifugal disc fertilizer spreading system for UAVs in rice fields[J]. Heliyon，2024，10（8）： 29837.

[24]Xunwei W，Zhiyan Z，Boqian C，et al. Distribution uniformity improvement methods of a large discharge rate disc spreader for UAV fertilizer application[J]. Computers and Electronics in Agriculture，2024， 220：108928.

[25]廣州極飛科技有限公司．撒播器、撒播裝置及植保設 備［P].中國專利：CN209834003U，2019－12—24.

[26］張青松，張愷，廖慶喜，等．油菜無人機飛播裝置設計與 試驗[J].農(nóng)業(yè)工程學報，2020，36（14）：138—147. Zhang Qingsong，Zhang Kai，Liao Qingxi，et al. Design and experiment of rapeseed aerial seeding device used for UAV[J]． Transactions of the Chinese Society of Agricultural Engineering，2020，36（14）：138—147.

[27]Rohi G，Ejofodomi O T，Ofualagba G．Autonomous monitoring，analysis，and countering of air pollution using environmental drones[J]. Heliyon，202O，6（1）： 03252.

[28] Zheng S，Zou X，Gao P，et al． A forest fire recognition method based on modified deep CNN model[J]. Forests， 2024，15（1）： 111.

[29] Suzuki T，Shiozawa S，Yamaba A，et al. Forest data collection by UAV lidar-based 3D mapping：Segmentation of individual tree information from 3D point clouds [J]. International Journal of Automation Technology，2021， 15（3）：313-323.

[30］王宇唯，馬旭，譚穗妍，等．無人機遙感與地面觀測的多 模態(tài)數(shù)據(jù)融合反演水稻氮含量[J].農(nóng)業(yè)工程學報， 2024，40（18）：100—109. Wang Yuwei，Ma Xu，Tan Suiyan，et al. Inverting rice nitrogen content with multimodal data fusion of unmanned aerial vehicle remote sensing and ground observations [J]. Transactions of the Chinese Society of Agricultural Engineering，2024，40（18）：100—109.

[31]JinX，Luo Z，Shi J，etal.Two-layer intelligent deployment of capsule airports and unmanned aerial vehicles for provid ingemergency communication services [J]. Expert Systems with Applications，2024，238：121795.

[32]Yang L，F(xiàn)an J，Liu Y，etal. A review on state-of-the-art power line inspection techniques [J]. IEEE Transactions onInstrumentation and Measurement，202O，69（12）： 9350-9365.

[33] Liu K，Liu M，Tang M，et al. Power inspection UAV task assignment matrix reversal genetic algorithm [J]. Cognitive Robotics，2024，4：245-258.

[34]Chen J，Liu Z，Wang H，et al.Automatic defect detectionof fasteners onthe catenary support device using deep convolutional neural network [J]. IEEE Transactions on Instrumentation and Measurement， 2017，67（2）： 257—269.

[35］廣東海事局．“空中鷹眼\"賦能巡航新模式廣州新沙海事處 無人機精準查獲排污船[EB/OL].https：/gd.msa.gov. cn/25a7cf34838c33ldfa99113dcf4a60e9/e51b9cf916214dac aOd04fle7df59bbc.jhtml，2025—02—11.

[36］生態(tài)環(huán)境局.更高更廣更精準市生態(tài)環(huán)境局開 展無人機專項巡查[EB/OL].https：//sthjj.gz.gov. cn/gkmlpt/content/10/10200/post_10200856.html#644， 2025-04-07.

[37］國務院辦公廳．國務院辦公廳關(guān)于加強人河入海排污口 監(jiān)督管理工作的實施意見[EB/OL].https：//www.gov. cn/ zhengce/ zhengceku/ 2022—03/02/ content_5676459. htm，2022-03－02.

[38]Wang R，Sun Y， Zong J，et al． Remote sensing application in ecological restorationmonitoring：A systematic review[J].Remote Sensing，2O24，16（12）： 2.204—2204

[39]RobinsonJM，HarrisonPA，Mavoa S，et al. Existing and emerging uses of drones in restoration ecology [J]. Methods in Ecology and Evolution，2022，13（9）：1899—1911.

[40]Buters T M，Bateman P W，Robinson T，et al. Methodological ambiguity and inconsistency constrain unmanned aerial vehicles as a silver bullet for monitoring ecological restoration[J]．Remote Sensing， 2019， 11（10）： 1180.

[41]Ridge J T，Johnston D W. Unoccupied aircraft systems （UAS） for marine ecosystem restoration[J]. Frontiers in Marine Science，2020，7438.

[42］郭長樂，丁力，梁振普，等.基于無人機的赤眼蜂卵投放 系統(tǒng)設計與試驗[J].河南農(nóng)業(yè)大學學報，2023，57（5）： 764—775. Guo Changle，Ding Li，Liang Zhenpu，et al. Design and experiment of a precise delivery system for Trichogramma eggs based on unmanned aerial vehicle [J]. Journal of Henan Agricultural University，2023，57（5）：764—775.

[43］沈啟揚，朱虹，于慶旭，等.河蟹養(yǎng)殖智能化投餌裝備適 用性能試驗研究[J].中國農(nóng)機化學報，2022，43（12）： 51—59. Shen Qiyang，Zhu Hong，Yu Qingxu，et al. Experimental research on applicable performance of intelligent feeding equipment for river crab culture [J]. Journal of Chinese Agricultural Mechanization，2022，43（12）：51—59.

[44]楊麗艷，賀有龍，羅雪云，等.基于無人機低空投餌技術(shù) 的高原鼠兔防控效果研究[J].青海畜牧獸醫(yī)雜志，2024， 54（1）：35-42，56. Yang Liyan，He Youlong，Luo Xueyun，et al．Study on the population control effectiveness of plateau pika based on low-altitude baiting technology by unmanned areial vehcles （UAV）[J].Chinese Qinghai Journal of Animal and Veterinary Seiences，2024，54（1）： 35－42，56.

[45]花立民，柴守權(quán)．中國草原鼠害防治現(xiàn)狀、問題及對 策[J]．植物保護學報，2022，49（1）：415—423. Hua Limin，Chai Shouquan.Rodent pest control on grasslandsin China： Current state， problemsand prospects [J]. Journal of Plant Protection，2022，49（1）： 415-423.

[46]KumarA，Behera L．Design，localization，perception， and control for GPS-denied autonomous aerial grasping and harvesting [J].IEEE Robotics and Automation Leters， 2024，9（4）：3538-3545.

[47] Chen H，Wu K，Lin H，et al. A real-time vision guidance method for autonomous longan picking by the UAV[J]. Computers and Electronics in Agriculture，2O25，229： 109735.

[48］滿忠賢，何杰，劉善琪，等．智能農(nóng)機多機協(xié)同收獲作業(yè)控 制亡注與試驗「]宏業(yè)T積學2240（1） Man Zhongxian，He Jie，Liu Shanqi，et al. Method and test for operating multi-machine cooperative harvesting in intelligent agricultural machinery [J].Transactions of the Chinese Society of Agricultural Engineering，2O24，40（1）： 17—26.

[49］李君，姚中威，李燈輝，等．基于力矩平衡原理的無人機 除梢裝置及其控制方法［P]．中國專利：CN115843563A， 2024-06-07.

[50］李君，周浩波，周崢琦，等．一種無人機的平衡采摘及除 梢裝置［P].中國專利：CN116018951A，2023—04—28.

[51]李君，李燈輝，周崢琦，等．一種基于視覺定位的無人機 自動除梢裝置及其控制方法[P].中國專利： CN114995494A，2022-09—02.

[52］周志艷，鐘伯平，劉愛民，等.涵道風扇式高地隙雜交水 稻制種授粉機設計[J]．農(nóng)業(yè)工程學報，2019，35（9）： 1-8. Zhou Zhiyan， Zhong Boping，Liu Aimin，et al. Design of ducted-fan pollination machine based on high-clearance chassis for hybrid rice[J].Transactions of the Chinese Society of Agricultural Engineering，20l9，35（9）：1-8.

[53]翁曉星，徐錦大，趙晉，等．多旋翼無人機輔助粳雜交 稻制種授粉研究[J]．中國農(nóng)機化學報，2022，43（9）： 24-29. Weng Xiaoxing，Xu Jinda， Zhao Jin，et al. Study on seed production and pollination of Indica japonica hybrid rice assisted by multi-rotor UAV [J]．Journal of Chinese Agricultural Mechanization，2022，43（9）：24—29.

[54］張海艷，蘭玉彬，文晟，等.植保無人機旋翼風場模型與 霧滴運動機理研究進展［J]．農(nóng)業(yè)工程學報，2020， 36（22）：1-12. Zhang Haiyan，Lan Yubin，Wen Sheng，et al. Research progress in rotor airflow model of plant protection UAV and droplet motion mechanism [J]．Transactions of the Chinese Society ofAgricultural Engineering， 2020， 36（22）： 1-12.

[55］國家郵政局．國家郵政局公布2024年郵政行業(yè)運行情 況[EB/OL].https：//www.mot.gov.cn/ tongjishuju/ youzheng/202501/ t20250124_4163116.html，2025一 01—20.

[56］民航局．“十四五\"航空物流發(fā)展專項規(guī)劃[EB/OL]. https：//www. gov. cn/ zhengce/ zhengceku/ 2022-02/ 16/content_5673982.htm，2022—02—16.

[57]李學龍．無人機續(xù)航能力[J]．中國科學：信息科學， 2023，53（7）：1233—1261. Li Xuelong. Endurance of unmanned aerial vehicles [J]. Scientia Sinica（Informationis），2023，53（7）：1233-1261.

[58]向錦武，馬凱，闞梓，等．氫能源無人機關(guān)鍵技術(shù)研究進 展[J].航空學報，2025，46（5）：261—290. Vinng Iinun MoKoi Kon 7i Daviav f technologies for hydrogenpowered unmanned aerial vehicles [J]. Acta Aeronautica et Astronautica Sinica， 2025，46（5）：261-290.

[59］張廣孟，李增山，陽柳，等．一種長航時多旋翼燃料電池 無人機的總體設計[J/OL]．航空動力學報，1-12 [2025-07—15]. Zhang Guangmeng，Li Zengshan，Yang Liu，et al.Overall design of long-endurance multi-rotor fuel cell UAV[J/OL]. Journal of Aerospace Power，1—12[2025—07—15].

[60］戴月領(lǐng)，賀云濤，劉莉，等．燃料電池無人機發(fā)展及關(guān)鍵 技術(shù)分析[J].戰(zhàn)術(shù)導彈技術(shù)，2018（1）：65—71. Dai Yueling，He Yuntao，Liu Li，et al.Development of fuel cell UAVand analysis of key technology[J].Tactical Missile Technology，2018（1）：65—71.

［61］徐偉誠，陳凱，張銘，等．基于太陽能的植保無人機續(xù)航 提升方案[J]．中國農(nóng)業(yè)科技導報，2018，20（11）：62-68. Xu Weicheng，Chen Kai，Zhang Ming，er al. Life lifting scheme for plant protection UAV based on solar [J]. Journal of Agricultural Science and Technology，2018， 20（11）：62-68.

[62]Khan M A，Khan A，Ahmad M，et al. A study on flight time enhancement of unmanned aerial vehicles（UAVs） usingsupercapacitor-basedhybridelectric propulsion system（HEPS）[J]. Arabian Journal for Science and Engineering，2021，46：1179—1198.

[63］黃開．激光供能技術(shù)在無人機續(xù)航中的應用研究[D]．宜 昌：三峽大學，2020.

[64］李繼宇，張植勛，趙胤偉，等．農(nóng)用多旋翼無人機作業(yè)能 耗白盒模型構(gòu)建與試驗[J]．農(nóng)業(yè)機械學報，2023， 54（8）：87-96. Li Jiyu， Zhang Zhixun， Zhao Yinwei，et al. Construction and experiment of white box model for energy consumption ofagriculturalmulti-rotorUAVoperation[J]. Transactions of the Chinese Society for Agricultural Machinery，2023，54（8）：87-96.

[65]范葉滿，沈楷程，王東，等．基于模擬退火算法的無人機 山地作業(yè)能耗最優(yōu)路徑規(guī)劃[J]．農(nóng)業(yè)機械學報，2020， 51（10）： 34-41. Fan Yeman， Shen Kaicheng，Wang Dong，et al. Optimal energy consumption path planning of UAV on mountain regionbased on simulated annealing algorithm [J]. Transactions of the Chinese Society for Agricultural Machinery，2020，51（10）：34—41.

[66］張學軍，劉法旺，張祖耀，等．低空智能網(wǎng)聯(lián)體系[J]．北 京航空航天大學學報，2025，51（6）：1793—1815. Zhang Xuejun， Liu Fawang， Zhang Zuyao， et al. Overview of low-altitude intelligent networked system [J] Journal ofBeijing University ofAeronauticsand Astronautics.2025.51（6）：1793—1815.

[67］夏泳，田洛．面向低空經(jīng)濟的空聯(lián)網(wǎng)絡組網(wǎng)關(guān)鍵技術(shù)研 究綜述[J].重慶郵電大學學報（自然科學版），2024， 36（4）：619-632. Xia Yong，Tian Luo. Survey of key technologies for networking in air-connected networks for the low-altitude economy [J]. Journal of Chongqing University of Posts and Telecommunications（Natural Science Edition）， 2024，36（4）：619—632.

[68]Abdel-BassetM，Abdel-Fatah L，Eldrandaly KA，et al. Enhanced computational inteligence algorithm for coverage optimization of 6Gnon-terrestrial networks in 3D space[J]. IEEE Access，2021，9：70419—70429.

[69] Shakoor S，Kaleem Z，Do D T，et al. Joint optimization of UAV 3—D placement and path-loss factor for energy-efficient maximal coverage [J]. IEEE Internet of Things Journal， 2020，8（12）： 9776－9786.

[70]Azari M M，Rosas F，Pollin S.Cellular connectivity for UAVs： Network modeling， performance analysis， and designguidelines [J].IEEE Transactionson Wireless Communications，2019，18（7）：3366-3381.

[71]Meer I A，Ozger M，Schupke D A，et al. Mobility management for cellularconnected UAVs：Model-based versus learning-basedapproaches for service availability [J]. IEEE Transactions on Network and Service Management，2024，21（2）：2125-2139.

[72]LiP，Xie L，Yao J，et al.Cellular-connected UAV with adaptiveair-to-groundinterferencecancellationand trajectory optimization[J].IEEECommunications Letters，2022，26（6）：1368—1372.

[73]Liu K， Zheng J. UAV trajectory planning With interference awarenessinUAV-enabledtime-constraineddata collection systems [J]. IEEE Transactions on Vehicular Technology，2023，73（2）： 2799－2815.

[74］蘭玉彬，王林琳，張亞莉．農(nóng)用無人機避障技術(shù)的應用現(xiàn) 狀及展望[J].農(nóng)業(yè)工程學報，2018，34（9）：104—113. Lan Yubin，Wang Linlin，Zhang Yali.Application and prospect on obstacle avoidance technology for agricultural UAV[J]. Transactions of the Chinese Society of Agricultural Engineering，2018，34（9）：104—113.

[75]Ahmed S，Qiu B，Ahmad F，et al.A state-of-the-art analysisof obstacleavoidancemethodsfromthe perspective of an agricultural sprayer UAV'soperation scenario[J].Agronomy，2021，11（6）：1069.

[76]Donati C，Mammarella M，Comba L，et al. 3D distance filter for the autonomous navigation of UAVs in agricultural scenarios[J]. Remote Sensing，2022，14（6）：1374.

[77］張博，陳至坤，程朋飛．多傳感器結(jié)合的無人機障礙物識 別方法研究[J]．激光雜志，2021，42（2）：52—56. Zhang bo，Chen Zhikun，Cheng Pengfei. Study on the of Journal，2021，42（2）：52—56.

[78］張紅蕾，盛志超，葉林，等．基于多傳感器融合的無人機 自主避障方法[J]．激光雜志，2024，45（1）：229－235. Zhang Honglei， Sheng Zhichao， Ye Lin， etal. Autonomous obstacle avoidance method for UAV based on multi-sensor fusion[J].Laser Journal，2O24，45（1）： 229-235.

[79]王家亮，董楷，顧兆軍，等．小型無人機視覺傳感器避障 方法綜述[J].西安電子科技大學學報，2025，52（1）： 60-79. Wang Jialiang，DongKai，Gu Zhaojun，et al. Review of obstacle avoidance methods for small UAVs using visual sensors[J]. Journal of Xidian University，2O25，52（1）： 60-79 ：

[80]Singla A，Padakandla S，Bhatnagar S. Memory-based deep reinforcement learning for obstacle avoidance in UAV withlimitedenvironmentknowledge[J].IEEE Transactions on Intelligent Transportation Systems，2019， 22（1）：107—118.

[81]Wang D，Li W，Liu X，et al.UAV environmental perception and autonomous obstacle avoidance：A deep learning anddepth camera combinedsolution[J]. Computers and Electronics in Agriculture，2O2O，175： 105523.

[82]劉玄冰，周紹磊，肖支才，等．無人機避障方法研究綜 述[J].兵器裝備工程學報，2022，43（5）：40—47. Liu Xuanbing，Zhou Shaolei，Xiao Zhicai，et al. Review on UAV obstacle avoidance methods [J].Journal of Ordnance Equipment Engineering，2022，43（5）：40-47.

[83]Vachtsevanos G， Kim W， Al-Hasan S， etal. Autonomous vehicles： From flight control to mission planning using fuzzy logic techniques [C]. Proceedings of 13thInternationalConferenceonDigitalSignal Processing.IEEE，1997，2：977－981.

[84] Stentz A.Optimal and efficient path planning for partially-known environments [C]. Proceedings of the 1994IEEE International Conference on Robotics and Automation.IEEE，1994：3310—3317.

[85］趙暢，劉允剛，陳琳，等．面向元啟發(fā)式算法的多無人機 路徑規(guī)劃現(xiàn)狀與展望[J].控制與決策，2022，37（5）： 1102—1115. Zhao Chang，Liu Yungang， Chen Lin，et al. Research and development trend of multi-UAV path planning based on metaneunisuc aigoru [J」. 37（5）： 1102—1115.

[86] Sonny A，Yeduri S R，Cenkeramaddi L R. Q- learning-based unmanned aerial vehicle path planning with dynamic obstacle avoidance [J]. Applied Soft Computing， 2023，147：110773.

[87］滕菲，王迎春，姚永輝，等．基于深度強化學習的無人機 動態(tài)避障規(guī)劃［J/OL].北京航空航天大學學報， 1- 13[2025-06-01]. TengFei，WangYingchun，Yao Yonghui，etal.Dynamic obstacle avoidance planning for UAV based on deep reinforcementlearning [J/OL].JournalofBeijing University of Aeronautics and Astronautics，1—13[2025— 06-01].

[88] Zuo L，Yao L，Kang Y. UIO based sensor fault diagnosis and compensation for quadrotor UAV[C]. 2O20 Chinese Control And Decision Conference（CCDC）. IEEE，2020： 4052—4057.

[89]Skriver M，Helck J，Hasan A. Adaptive extended kalman filterforactuatorfaultdiagnosis[C].2O194th International Conference on System Reliability and Safety （ICSRS）. IEEE，2019：339-344.

[90]Kladis G P，Economou JT，KnowlesK，et al.Digraph matrix reliability analysis for fault assessment for A UAV platform application. A fault-tree analysis approach [C]. 2008 IEEE Vehicle Power and Propulsion Conference. IEEE，2008：1-6.

[91]Ahmad MW，Akram MU，Ahmad R，et al. Intelligent framework for automated failure prediction，detection，and classification of mission critical autonomous flights [J]. ISA Transactions，2022，129：355—371.

[92］楊永琳，李志宇，郭劍東．四旋翼無人機反演一動態(tài)逆控制 器設計與仿真[J]．電子設計工程，2018，26（12）：15—19，25. Yang Yonglin，Li Zhiyu，Guo Jiandong.Design and simulation of quad-rotor UAV controllerbasedon backstepping-dynamic inversion [J]. Electronic Design Engineering，2018，26（12）：15—19，25.

[93］姜雪瑩，蘇成利，徐亞鵬，等．四旋翼無人機飛行姿態(tài)的 自適應反演滑模控制（英文）[J].中南大學學報（英文 版），2018，25（3）：616-631. Jiang Xueying， Su Chengli，Xu Yapeng，et al. An adaptive backstepping sliding mode method for flight attitude of quadrotorUAVs[J]. Journal of Central South University，2018，25（3）： 616-631.