基于风敏感性的多无人机超低容量喷洒优化

更智能的喷洒，保障更安全的城市

当城市卫生部门进行蚊虫喷洒时，他们需要在两者之间取得平衡：在需要的地方投放足够的农药以阻断疾病传播，同时避免浪费化学物质、漂移到住宅区或因无人机长时间飞行而消耗过多燃料。本研究探讨了一队小型无人机如何以感知风场的智能方式规划航线，使城市中的超低容量喷洒更有效、对居民更安全且更省能。

为什么无人机正在改变蚊虫防治

传统的灭蚊方式通常依赖背负式喷雾或车辆在社区中穿行。这些方法可能留下未处理的空白、使工作人员暴露于化学物质中，并且难以精确记录喷洒位置。无人机有望改变这一点：多架小型飞行器可以同时起飞，在目标区域低空、安静飞行，并详尽记录飞行路径。然而，它们仍需遵守严格的公共卫生规定：避开敏感地点、将喷雾控制在缓冲区之外，并在天气合适且人员处于室内的短时窗内作业。

风与时间如何决定农药真正落到哪里

仅仅在地图上画出直线“割草式”航迹是不够的，因为雾滴不会垂直落下。风会将每个喷雾云拉成长椭圆形，使下风侧浓度更高、横向变窄。同时，有效成分在阳光和高温下会分解，强度会随时间递减。作者将这些效应合并为一个简化模型，把每次喷雾脉冲视为随风拉长并随时间减弱的模糊椭圆形痕迹。这使得他们能够同时从四个实用指标对任何飞行计划进行评分：在有效阈值以上目标区域的覆盖量、剂量分布的均匀性、进入禁喷缓冲区的漂移量以及无人机的能耗。

教“狼群”数字智能规划航线

在变化的风场下为多架无人机设计协同航线是一个复杂的难题，具有许多可能解和许多失败方式。研究人员没有用精确方程直接求解，而是采用了一种受生物启发的搜索方法，模拟灰狼群体的捕猎行为。在这种方法中，一群候选飞行方案像“狼群”一样在多次迭代中追逐更优解，受当前最优方案的引导。团队通过若干改进增强了该方法：通过镜像每个随机初始解来获得更具多样性的起始路线、将狼群分成互相合作的子群分别优化整体方案的不同部分，以及在改进停滞时周期性地“扰动”搜索。该改进方法称为C-GWO+，被设计用于在尊重禁喷区、飞行限制和加油需求的前提下，有效地探索不同的风场模式。

城市街区测试的模拟结果

作者在大约相当于一个小街区大小的现实城市场景中测试了他们的系统，场景中有恒定微风并为三架无人机分配了有限的航路点。他们将优化后的航线与密集的蛇形“割草”模式以及若干其他流行搜索算法进行了比较。在多次运行中，C-GWO+ 生成的方案在覆盖更多目标区域的同时使剂量更均匀且漂移非常低。与基础灰狼算法相比，它提升了覆盖率和均匀性，并略微减少了过喷，而能耗并未增加。与割草式基线相比，它将总飞行距离减少约43%，同时避免了蛮力模式产生的严重重叠和不均匀给药。其他先进算法，如粒子群和麻雀启发搜索，收敛更慢且更容易陷入次优解。

从单次飞行到真实战役

尽管单次模拟任务仅在所选有效阈值以上覆盖街区的一部分，作者认为实际的蚊虫防治行动依赖于反复出动。在这种背景下，该方法的优势并非在一次飞行中最大化覆盖，而是优先选择最有价值、与风向对齐的“喷洒走廊”，以实现高均匀性且几乎不会进入缓冲区。由于规划器一次完整运行约需15秒，它可以在航次之间——甚至在任务中——根据新风况重新运行。研究还概述了如何针对不同情形调整喷雾模型和规划权重，从在敏感区域附近进行谨慎操作，到在疾病爆发期间进行积极覆盖，同时保持过喷在严格限度内。

这对城市健康保护意味着什么

简而言之，这项工作展示了如何教会一群无人机“读懂”风场并规划航线，使更多雾滴落在关键位置、更少浪费。通过将风塑造的喷雾足迹、随时间衰减的化学效力、安全缓冲区和电池限制编织进单一规划系统，并采用智能搜索策略探索众多可能路线，作者展示了一种实用方法，使空中灭蚊既更环保又更可靠。尽管在变化的真实风场中仍需进行实地试验，但该方法为现代城市中更安全、可追踪且节能的喷洒提供了有前景的蓝图。

引用: 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

关键词: 无人机喷洒, 蚊虫防治, 感风路径规划, 优化算法, 城市公共卫生