本发明涉及植保无人机操作参数优化领域，具体涉及一种基于优化算法的植保无人机操作参数优化方法
背景技术：
1、中国一直以来都是一个农业大国，农业在中国的产业体系中占据着极为重要的地位，扮演着不可或缺的角色。发展高效的、有针对性的植物保护技术是十分必要的。植保无人机操作参数优化对现代农业极为重要，尤其是在精准农业和植物保护方面。这种优化可以显著提高喷洒效率，确保农药的均匀分布，从而减少农药用量和环境污染，同时也降低成本。
2、但目前各因素关于最终喷施效果的数学模型并没有得到明确建立，缺乏相关基础理论。研究飞行速度、飞行高度、喷头流量等因素对最终喷施效果的影响，并建立数学模型对减少漏喷、重喷现象提供操作参数选择，改善喷施效果有重大意义。在建立相关数学模型的基础上，利用智能优化算法等方法对模型进行求解则能在不改进现有设备的基础上进一步提升喷施效率，从而达到节约药液、保障生态环境、提升防治效果的目的。现有技术中多以图像识别技术为基础判断喷施效果，计算资源耗费过大，且缺乏准确性。
技术实现思路
1、本发明的目的在于提供一种基于优化算法的植保无人机操作参数优化方法。首先建立施药作业操作参数优化模型，选取飞行速度、飞行高度、喷头流量为研究对象，设置三因素三水平的全因素试验，获取操作参数空间数据。然后使用克里金代理模型对操作参数空间进行建模，将试验数据转化为数学模型，描述各施药作业操作参数与平均沉积率和均匀性之间的关系。最后建立以最优的喷施效果即平均沉积率最大，均匀性最好为目标的多目标优化问题，以所述操作参数空间模型为预测器利用多目标遗传算法进行无人机施药作业操作参数优化。
2、本发明的一种基于优化算法的植保无人机操作参数优化方法，包含以下步骤：
3、s1、进行全因素植保无人机施药作业操作参数-喷施效果试验，完成数据收集；
4、s2、根据所述数据，进行沉积率测定和均匀性计算，并利用克里金方法进行建模得到操作参数空间模型；
5、s3、建立以最优的喷施效果即平均沉积率最大，均匀性最好为目标的多目标优化问题，以所述操作参数空间模型为预测器利用多目标遗传算法进行无人机施药作业操作参数优化。
6、进一步的，所述s1中，进行植保无人机施药作业操作参数-喷施效果试验，完成操作参数收集，根据所测植保无人机类型设置试验操作参数，具体地：
7、根据推荐的作业操作参数分别为：飞行速度f(m/s)、飞行高度h(m)、喷头流量n(l/min)，作业操作参数限制为最小飞行速度f1(m/s)，最大飞行速度为f2(m/s)，最小飞行高度h1(m)，最大飞行高度h2(m)，最小喷头流量n1(l/min)，最大喷头流量n2(l/min)；试验以推荐操作参数为中心设置不同梯度下的全因素试验，试验操作参数水平设置为：飞行速度f(m/s)、飞行高度h(m)、喷头流量n(l/min)、
8、将植保无人机、采样支架运送到试验地点后，用皮尺测定采样支架摆放点以及无人机作业时的起终点位置并做好标记。试验所选无人机可进行自主作业，因此在完成标点后对无人机进行装药试飞，观察飞行航线是否符合预定航线设置，若航线有偏离则重新标点并进行试飞，直至航线符合预定位置。完成准备工作后开始采样滤纸布置工作并全程穿戴干燥手套以防止采样滤纸被污染。在布样过程中尽量保证较小的夹持面积，且采样滤纸需与地面平行，从而减小试验误差。试验过程中每次植保无人机的起飞和降落过程中所有试验人员距离飞机至少5m以保证人身安全。准备工作中，对相应组别的滤纸进行编号和试验操作参数对应以便后续数据处理时能够准确记录各组操作参数的真实数据。编号后用长尾夹将同组自封袋夹好以备收集采样滤纸。每组操作参数飞行完成后需等待1分钟，以待染色机在滤纸上干燥完成。将采样过的滤纸用干净无污染的镊子夹持放置于自封袋中，待全部滤纸收集完毕后对本组样本收集袋根据标号统一保存。在试验过程中还需监测当次试验的环境操作参数，若自然风速大于2.5m/s则此次试验作废，重新进行该组操作参数下的飞行喷洒试验。在此同时，每六组试验完成后需对无人机药箱中的母液进行采样，以监测母液在试验过程中的光解程度。
9、所述s2中，根据所述数据，进行沉积率测定和均匀性计算，并利用克里金方法进行建模得到操作参数空间模型，具体地：
10、实地试验样品收集完成后，需对采样滤纸进行洗脱和吸光度测定。用移液枪取10ml去离子水(防止自来水中的其他离子对吸光度测定产生影响)注入自封袋中，待一组样本全部完成离子水注入后摇晃自封袋2min至滤纸上无色点，若摇晃后滤纸上可延长摇晃时间。洗脱完成后，用移液枪取自封袋中3.5ml洗脱液加入比色皿待测。
11、吸光度测定采用722s型可见光分光光度计，在对样本进行吸光度测定之前需对光度计进行标定：首先将光度计预热30分钟，将光度计的波长设定在478nm(柠檬黄最大吸光度波长)，将空白组(纯去离子水)置于光度计中，关盖粗调100％，开盖调零0％，重复几次直至开关盖时数值稳定。可见光分光光度计标定完成后，将装样完成的比色皿每3个一组放入光度计中读取各自吸光值，并按组别编号进行记录。吸光度测定完成后的比色皿将废液倒入废液桶中，并用去离子水进行三遍清洗并晾干才可继续进行装样。
12、由于柠檬黄染色剂的光解特性，柠檬黄染色剂吸光度-浓度标定曲线需要在试验完成后重新测定。本方法利用电子天平取1g柠檬黄加入容量瓶中并进行定容配置成2g/l的柠檬黄母液，然后按梯度稀释成60mg/l、50mg/l、40mg/l、30mg/l、25mg/l、20mg/l、15mg/l、10mg/l和5mg/l的标准溶液。得到标准溶液及其吸光度值之后，利用matlab中的polyfit函数对上述数据进行线性拟合。因柠檬黄溶液吸光度值与其浓度成正比，在线性拟合中采用一次线性拟合。
13、为了显示各组植保无人机操作参数下各采样点沉积率均匀性，本方法采用变异系数cv来作为各组操作参数下各采样点沉积率的均匀性度量，变异系数计算方式如下公式所示，其中s为本组操作参数下各样本沉积率的标准差，xi为各采样点的沉积率，为本组试验采样点沉积率平均值，n为本组采样点总数。
14、
15、在测得各组样品吸光度值后，根据下式计算各样本沉积率数值β。
16、
17、其中10为洗脱液体积(ml)，γ为样本吸光度值，k为柠檬黄溶液浓度-吸光度曲线斜率，p为滤纸面积(亩)，t为该组试验操作参数下的施药液量(l/亩)，ε为柠檬黄母液浓度，d为滤纸直径。
18、使用matlab软件中dace工具箱中的dacefit函数即克里金模型将样本数据进行建模并对输入数据进行预测。选择零阶多项式回归(regpoly0)、高斯回归模型(corrgauss)。初始theta值均为10，上限均为20，下限均为0.1。
19、进一步的，所述s3中，建立以最优的喷施效果即平均沉积率最大，均匀性最好为目标的多目标优化问题，以所述操作参数空间模型为预测器利用多目标遗传算法进行无人机施药作业操作参数优化，具体地：
20、该优化问题的目的是通过选择植保无人机操作参数以获取最优的喷施效果即平均沉积率最大，均匀性最好(变异系数最小)；因此该多目标优化问题可进行如下描述：
21、目标：最大平均沉积率
22、最小变异系数
23、约束：n1(l/min)≤喷头流量≤n2(l/min)
24、f1(m/s)≤飞行速度≤f2(m/s)
25、h1(m)≤飞行高度≤h2(m)
26、其中多目标遗传算法寻优过程中，目标函数值即适应度值由建立的克里金模型预测给出。通过多目标遗传算法对该多目标优化问题进行寻优并计算出帕累托前沿，在所得帕累托前沿数据中选择最大平均沉积率所在操作参数组合进行施药作业。
27、与现有技术相比，本发明的有益效果为：
28、1、通过优化飞行速度、飞行高度和喷头流量等操作参数，本专利方法显著提高了植保无人机的平均沉积率和喷施均匀性，减少了重喷和漏喷现象，提高了药液的利用效率，确保了农药的有效覆盖，改善了农药的防治效果。
29、2、由于本专利方法能优化施药操作参数，使得农药沉积更均匀，减少了农药浪费，从而实现了农药使用量的减少，降低了对环境的污染，促进了绿色农业的发展。
30、3、本专利方法通过优化算法，能够适应不同作业条件和环境变化，提高了植保无人机在不同场景下的施药效果，增强了无人机施药作业的适应性和灵活性。
31、4、通过减少农药用量和提高施药效率，本专利方法能够显著降低施药成本，提升农业生产的经济效益。
32、5、通过提前试验建立操作参数空间模型，减少植保作业期间计算任务，作物针对性强。
1.一种基于优化算法的植保无人机操作参数优化方法，其特征在于，包含以下步骤：
2.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于进行全因素植保无人机施药作业操作参数-喷施效果试验，根据所测植保无人机类型设置试验操作参数，具体地：
3.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于，进行全因素植保无人机施药作业操作参数-喷施效果试验，完成数据收集，具体地：
4.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于根据所得试验样本测得各试验操作参数下样本洗脱溶液吸光度，具体地：
5.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于，进行试验获得柠檬黄溶液浓度-吸光度曲线斜率，具体地：
6.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于计算所得试验数据的沉积率及均匀性，具体地：
7.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于以所述试验数据为基础采用克里金模型预测操作参数空间模型，具体地：
8.根据权利要求1所述的一种基于优化算法的植保无人机操作参数优化方法，其特征在于建立以最优的喷施效果即平均沉积率最大，均匀性最好为目标的多目标优化模型，以所述操作参数空间模型为预测器利用多目标遗传算法求解所述多目标优化问题，具体地：
