农业工程学报

作者：孔令标,兰玉彬,宋灿灿,王会征,于晓庆,王国宾,

关键词：植保无人机, 神经网络, 雾滴飘移, 预测模型, 精准施药

基金：42

为缓解植保无人机喷施过程中雾滴飘移所引发的环境污染、非靶标生物药害等问题，该研究基于ISO 22866：2005《植物保护机械 喷雾飘移田间测量方法》标准，汇总采集4款国内典型植保无人机150组飘移数据，采用Spearman相关分析与随机森林方法筛选关键影响因素，构建了基于BP（back propagation）神经网络的植保无人机雾滴飘移预测模型，并利用SHAP（SHapley Additive exPlanations）方法对模型进行可解释性分析。在此基础上，开发了雾滴飘移预测软件UAVDP（UAV Droplet Drift Prediction Platform），并与传统预测工具AGDISPpro进行对比验证。结果表明，所构建的BP神经网络模型在测试集上的相关系数达到0.862，预测相对误差控制在38%以内，整体性能优于SVM、RF等5种传统机器学习模型，UAVDP的预测精度较AGDISPpro提升6%以上；SHAP分析结果显示，风速和流量是雾滴飘移的主要正向影响因素，而作业高度和喷头数量对飘移具有显著抑制作用。基于模型预测结果，在风速为5 m/s 条件下，植保无人机作业所需的安全飘移缓冲距离至少为15.37 m。研究结果可为植保无人机精准施药与飘移风险控制提供可靠的技术支撑和决策依据。/

来源：2026年第6期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第6期