Оптимизация ультранизкообъёмного распыления для многодроновой системы с учётом ветровой чувствительности

Умное распыление для более безопасных городов

Когда городские департаменты здравоохранения проводят обработку от комаров, они идут по тонкому канату: нанести достаточно химикатов туда, где это необходимо для предотвращения заболеваний, но при этом не тратить средство впустую, не допустить заноса над жилыми домами и не расходовать топливо впустую при длительных полётах дронов. В этом исследовании изучается, как команда небольших дронов может планировать свои маршруты с учётом ветра и интеллектуально, чтобы ультранизкообъёмное распыление в городе было более эффективным, безопасным для жителей и менее энергозатратным.

Почему дроны меняют борьбу с комарами

Традиционная борьба с комарами часто опирается на работников с ранцевыми опрыскивателями или на автомобили, проезжающие по районам. Эти методы могут оставлять необработанные участки, подвергать рабочих воздействию химикатов и затруднять документирование того, где именно проводилась обработка. Дроны обещают изменить ситуацию. Несколько небольших аппаратов можно отправить вместе, они пролетают низко и бесшумно над целевыми зонами, при этом их маршруты фиксируются детально. Однако они всё равно должны соблюдать строгие правила общественного здравоохранения: избегать чувствительных объектов, не распылять в буферных зонах и работать в узкие временные окна, когда погода подходящая и люди находятся дома.

Как ветер и время формируют реальную посадку капель

Простейшее проведение прямых «газонокосильных» линий по карте недостаточно, потому что капли не падают строго вниз. Ветер растягивает каждое облако распыла в длинный овал, сдвигая больше пестицида подветреннее и сужая его поперёк ветра. Одновременно действующее вещество распадается под воздействием солнца и тепла, поэтому его эффективность снижается с течением минут. Авторы объединяют эти эффекты в упрощённую модель, которая рассматривает каждую струю распыла как удлинённое, ветром сформированное пятно, теряющее силу со временем. Это позволяет оценивать любой план полёта по четырём практическим показателям одновременно: какая доля целевой зоны покрыта выше порога эффективности, насколько равномерно распределена доза, сколько выносится в запретные для распыла буферные зоны и сколько энергии тратят дроны на полёт.

Обучение цифровой «стаи волков» планированию маршрутов

Разработка скоординированных маршрутов для нескольких дронов при меняющемся ветре — сложная задача с множеством возможных решений и многочисленными факторами неудачи. Вместо точного аналитического решения исследователи используют био-вдохновлённый метод поиска, моделируемый по поведению стаи серых волков при охоте. В этом подходе «стая» кандидатов на планы полётов преследует всё лучшие решения в течение многих итераций, ориентируясь на лучшие найденные на данный момент планы. Команда улучшила этот метод несколькими приёмами: они получают более разнообразный набор начальных маршрутов за счёт зеркалирования каждой случайной заготовки, разделяют стаю на кооперативные подгруппы, каждая из которых уточняет часть общего плана, и периодически «встряхивают» поиск при застое улучшений. Этот усовершенствованный метод, названный C-GWO+, оптимизирован для эффективного исследования различных ветровых паттернов при соблюдении запретных зон для распыла, ограничений по полёту и потребности в дозаправке.

Что показывают симуляции на тесте размером с квартал

Авторы проверяют свою систему в реалистичном городском сценарии примерно размером с небольшой квартал, при стабильном ветре и трёх дронах, имеющих ограниченное число путевых точек. Они сравнивают оптимизированные маршруты с плотной «газонокосильной» зигзагообразной схемой и с несколькими другими популярными алгоритмами поиска. В повторяющихся запусках C-GWO+ даёт планы, которые обрабатывают большую часть целевой зоны, обеспечивают более равномерную дозу и минимальный вынос. По сравнению с базовым методом серого волка он повышает покрытие и равномерность и слегка снижает переизбыток распыла, не увеличивая при этом энергопотребление. По сравнению с базовой «газонокосильной» схемой он сокращает общую длину полёта примерно на 43%, избегая при этом сильных наложений и неравномерного распределения доз, характерных для грубого подхода. Другие продвинутые алгоритмы, такие как рой частиц и методы, вдохновлённые воробьинообразными поисками, сходятся медленнее и чаще застревают в плохих решениях.

От отдельных вылетов к реальным кампаниям

Хотя одна смоделированная миссия покрывает лишь часть квартала выше выбранного порога эффективности, авторы утверждают, что реальные кампании по борьбе с комарами опираются на повторяющиеся вылеты. В этом контексте сильная сторона метода — не максимизация покрытия за один проход, а первоочередной выбор наиболее ценных, согласованных с ветром «коридоров распыла», с высокой равномерностью и практически нулевым выносом в буферные зоны. Поскольку полный прогон планировщика занимает около 15 секунд, его можно запустить снова между полётами — или даже во время миссии — если поступят новые данные о ветре. В работе также описано, как модель распыла и веса в функции планирования можно настроить под разные ситуации: от осторожных операций вблизи чувствительных объектов до агрессивного покрытия во время вспышки заболевания, при этом удерживая переизбыток распыла в строгих пределах.

Что это значит для защиты здоровья в городах

Проще говоря, эта работа показывает, как обучить рой дронов «читать» ветер и планировать траектории так, чтобы больше каждой капли попадало туда, где это важно, и меньше тратилось впустую. Объединив в единую систему ветрообразные следы распыла, химический распад во времени, защитные буферы и ограничения батареи, и применив интеллектуальную стратегию поиска для исследования многих возможных маршрутов, авторы демонстрируют практический способ сделать авиационную обработку от комаров более экологичной и надёжной. Хотя требуются полевые испытания в меняющихся условиях ветра, подход представляет собой многообещающий план для более безопасного, отслеживаемого и энергоэффективного распыления в современных городах.

Цитирование: Zheng, D., Wang, B., Lin, Y. et al. Optimization of ultra-low volume spray for multi-drone based on wind sensitivity. Sci Rep 16, 12999 (2026). https://doi.org/10.1038/s41598-026-42125-7

Ключевые слова: распыление с дронов, борьба с комарами, планирование маршрута с учётом ветра, алгоритм оптимизации, городское общественное здравоохранение