基于文献计量的全球农用无人机研发应用比较

李红军 何雄奎 宋坚利 杨 苡

(1.中国农业大学 图书馆，北京 100083；2.中国农业大学 理学院，北京 100193；3.中国农业大学 药械与施药技术中心，北京 100193；4.北方天途航空技术发展(北京)有限公司，北京 102200)

自20世纪90年代初日本雅马哈公司将无人直升机应用于农业以来，无人机因其操作灵活、投入较小、适应性强的特点得到迅速发展[1]。世界主要发达国家和农业大国都加大对农用无人机的研究和使用，但是应用的范围和程度有所不同。美国在用的农用飞机4 000多架，以有人驾驶飞机为主，约占88%，直到2015年1月美国联邦航空管理局才正式批准农用无人机用于农业监测。俄罗斯、澳大利亚、加拿大、巴西与美国相似，农用飞机也以有人驾驶为主，其中俄罗斯农用飞机达到1.1万架[2]；中国、日本和韩国地块狭小、地形复杂、劳动力短缺，农用无人机得到较好的推广，是全球农用无人机发展最快的国家，而植物保护是中、日、韩农用无人机应用最多的领域，其中中国拥有植保无人机13 340架，年作业量467万hm2(2017年)，日本植保无人机为2 799架(2015年)[3]，韩国的农用飞机主要从国外进口，2010年拥有农用直升机121架，其中无人机101架[2]。在政策和需求的影响下，中国的农用无人机市场在未来10年中还会进一步增长，预计2021—2025年中国新增农用无人机2.2万架，2026—2030年新增2.5万架[2]。中国不但是农用无人机使用大国，同时也是无人机生产大国，2015年中国有400多家无人机厂商，在全球最主要的13家厂商中，中国有8家，其中深圳大疆科技公司就占有全球50%的市场份额[1]。

无人机的核心技术是发展无人机产业的重要保障，全面了解全球农用无人机的研发态势有助于中国农用无人机产业健康良好发展。文献计量是梳理科研动态、发现研究前沿的方法之一，但已有农用无人机的论文都是基于专业技术的角度阐述其研究进展，尚未有基于文献角度的文献报道。本研究从论文和专利2个角度对全球农用无人机的研发进行统计分析，进而对中国农用无人机的发展提出建议。

1 数据来源与处理

本研究将各领域、农业领域、植保领域的无人机分别称为全领域无人机、农用无人机、植保无人机，三者之间是包含关系，即全领域无人机包含农用无人机，农用无人机包含植保无人机。论文和专利分别来自于Web of Science核心数据库和Derwent专利数据库，发表或公开年度为2000—2019年。主题词A=(drone OR "unmanned aerial vehicle" OR UAV OR "unmanned aircraft system" OR UAS OR "pilotless aircraft" OR "remotely operated aircraft" OR “remotely control helicopter” OR RCH)，主题词B=(agr* OR spray* OR farm* OR land OR crop OR soil OR forest OR tree OR "plant protection")，主题词C=(((apply* or spray* or application) AND (herbicid* OR insecticid* OR fungicid* OR pesticid* OR agrochem* OR "plant growth regulator" OR miticid* OR nematicid* OR molluscicid))。论文在“标题+摘要+关键字”中进行检索，类型为article和review，全领域无人机主题词=A，农用无人机主题词=A AND B，植保无人机主题词=A AND C；专利进行全文检索或专利号检索，类型为发明专利，主题词同论文主题词，专利号检索式为IPC OR CPC= B64D1/18。对检索结果进行人工检查，去掉有歧义的“fire”、“firing”、“wash machine”、“火”、“消防”和“洗衣机”。

2 基于文献计量的分析

2.1 文献年代及国家分布

2000—2019年全领域无人机的研究论文共22 855篇，分布在军事、安保、环境、救援、交通、娱乐、电力和农业等领域；其中农用无人机的论文为1 886篇，占8.3%，农业中和植物保护相关的论文有228篇，占12.1%(表1)。全球82 299件无人机的专利中，农用无人机占10.6%，为8 720件，其中植保无人机的专利高达5 776件，占农用无人机的66.2%。

表1 2000—2019年全球无人机相关的论文和专利数量Table 1 Global paper and patent number of UAV during year 2000-2019

2000—2019年，无论是农用无人机还是植保无人机，其论文和专利数量均呈现先慢后快的增长规律。2013年前农用无人机的研究较少，论文和专利的数量不超过100篇(件)/年，植保无人机论文的数量不足10篇/年(图1)。从2014年起，农用无人机成为研究的热点，专利和论文的数量激增：2014—2019年，专利数量从233件增加到2 694件，年均增幅为211%，论文数量从83篇增加到545篇，年均增幅为111%。植保无人机的专利和论文产出也有类似规律，2014—2019年，专利从133件增加到1 637件，年均增幅为226%，论文在2015年超过了10篇，达到12篇，2019年为75篇，2015—2019年论文年均增幅为131%。

图1 农用无人机及植保无人机论文和专利年度分布Fig.1 Yearly distribution of paper and patent of agricultural UAV and plant protection UAV

全领域无人机论文和专利的主要产出国有中国、美国、英国、韩国、德国。中国和美国全领域无人机论文数量达到1.1万篇，占全球的一半，其中中国论文为6 320篇，比例27.7%，居全球第一(图2、图3)。在全领域无人机的专利中，中国专利超过4万件，占全球的49.3%，是排名第二的美国专利数量的3倍。农用无人机论文和专利产出最多的5个国家为中国、美国、西班牙、德国、日本和印度；与全领域无人机相比，中国在农用无人机论文和专利比重更大，分别占全球论文的30.8%和专利的66.5%。

图2 全领域无人机(a)、农用无人机(b)、植保无人机(c)论文高产前五强国家Fig.2 TOP5 countries/regions for publishing paper on all-field UAV (a), agricultural UAV (b) and plant protection UAV (c)

WO和EP分别代表从世界知识产权组织和欧洲专利局申请的专利。WO and EP represent World Intellectual Property Organization and European Patent Office, respectively.图3 全领域无人机(a)、农用无人机(b)、植保无人机(c)专利高产的国家/地区Fig.3 TOP5 countries/regions for applying patent on all-field UAV (a), agricultural UAV (b) and plant protection UAV (c)

在植保无人机的论文和专利产出中，中国拥有全球植保无人机61%的论文和78%的专利，是全球植保无人机研究绝对领先的国家，另外巴西、韩国、日本也热衷于植保无人机的研究。由此可见，亚洲是全球农用无人机研究最集中的地区，而中国在农用无人机、特别是植保无人机方面大幅领先于其他亚洲国家。

2.2 无人机研究的主要机构

中国作为无人机的主要国家，包揽了全领域、农业领域和植保领域无人机论文发表数量前五名的机构(表2)。在全领域无人机研究中，以航空为特色的北京航空航天大学和南京航空航天大学分别以584和498篇论文位列第一和第三名，西北工业大学和国防科技大学在军用和商用飞机都有很好的研究，分列论文产出的第二和第五名。中国科学院的研究广泛，其下属的遥感所、工程热物理所等大量研究都与无人机有关，使得中国科学院以471篇的论文数量位列第四名。在农用无人机论文产出的前五名机构中，除了以59篇论文位居第四的中国科学院之外，其他机构都有农业行业特色，其中华南农业大学和中国农业大学分别以79和71篇论文名列第一和第三，中国农业农村部和教育部分别以72和54篇论文位列第二和第五。在中国广泛应用的植保无人机领域，中国农业大学和华南农业大学分别以44和42篇论文居论文高产机构第一和第二名，显示这2所大学是全球植保无人机研究的领先地位。作为政府机构的中国农业农村部和中国教育部成为植保无人机论文产出数量第三名和第五名的机构，主要因为从事植保无人机研究的单位大部分都属于这二者的部级实验室。

表2 无人机论文和专利产出前五强机构Table 2 TOP5 institutes for publishing UAV paper and applying UAV patent

专利是具有高度知识产权和商业价值的成果，与论文高产前五名机构几乎由高校和少数科研院所构成不同，专利高产的前五名机构除了华南农业大学外，其他都为企业(表2)。全领域无人机专利产出的前五名机构是深圳大疆科技公司、波音公司、高通公司、三星电子公司和霍尼韦尔国际公司，其中美国有3公司，中国和韩国各有1家。深圳大疆科技公司的专利数量是第二到第四名机构专利数量的总和，奠定该公司在无人机研发的领跑地位。农用无人机专利产出前五名机构中中国有3家，日本和美国各1家，其中华南农业大学以91件专利成为农用无人机领域的三强，也是五强中唯一的高校。植保无人机专利产出前五名的机构都在中国，广州极飞科技有限公司和深圳大疆科技公司分列第一和第二名，华南农业大学依然排名第三。无论是全领域，还是农业领域或者植保领域，中国机构的专利均占有很大比重，说明中国在农用无人机、特别是植保无人机领域的开发中处于优势地位，同时也反映出美国机构非农领域的无人机研究更有优势。

2.3 论文主题分布

将论文的主题词按照方法原理、机身结构、指挥控制、测控与信息传输、作业用途等5个方面进行归类，全领域无人机在测控与信息传输、指挥控制和偏基础的方法原理方面的研究较多，这3方面主题词的数量占各类主题词数量的81%，词频比例为80%(图4)。与此相反，植保无人机的研究主要集中在作业用途上，与植保作业相关的主题词有57个，比例近60%，词频达到552次，占总词频的60%。农用无人机研究的关注点也和作业用途相关，但比植保无人机要少，与作业相关的主题词数量和词频比例为37%和29%，其次关注的是指挥控制与方法原理。

农用无人机词频最高的主题词是算法(algorithm)，有1 107次，占前十强词总频次的58.7%，天线(antennas)和遥感(remote sensing)各有455次，比例为24.1%，与图像相关的主题词词频为323次，比例为17.1%，作物(crops)和精准农业(precision agriculture)属于有农业特性的主题词，出现的频次分别为253次和196次(表3)。植保无人机研究出现最多的词是天线(antennas)，属于通用词汇，频次为58次，比例为25.4%，其他9个主题词均具有较显著的植物保护属性，其中第五名的图像处理/分析/分割(image processing/analysis/segmentation)和第十名的飞行控制(flight control)是植保无人机研究的热点和难点。从主题词的分布可以看出农用无人机的研究范围较广，既有基础算法，也有应用开发，而植保无人机的研究则偏向于应用作业。

表3 农用无人机及植保无人机论文中前十强词频的主题词Table 3 Top 10 frequented topic words in paper of agricultural UAV and plant protection UAV

2.4 各国重要论文的比较

被引次数是论文重要性的指标之一。1 886篇农用无人机论文平均被引18.2次/篇，228篇植保无人机论文的平均被引为14.2次/篇。将被引次数处于前50名文章和Web of Science数据库的高被引论文视为本方向具有原创性、变革性的重要论文，共筛选出52篇(表4)。农用无人机重要论文产出前五强国家为西班牙、美国、意大利、中国和德国，而中国、美国、西班牙和德国同时也是农用无人机论文产出前五强国家，可见这四个国家在农用无人机研究的数量和质量上均有优异表现，是农用无人机研究的强国。西班牙以16篇重要论文的优势遥遥领先于第二名的美国(11篇)和第三名的意大利(5篇)，其中仅西班牙国家研究理事会(Consejo Superiorde Investigaciones Cientificas, CSIC)下属的可持续农业研究所(Instituto de Agricultura Sostenible, IAS)就发表了13篇，说明西班牙在农用无人机研究方面有较多重要或开创性的成果。

表4 农用无人机重要论文产出前五强国家的文献计量数据Table 4 Bibliometrics data of top5 countries with important agricultural UAV paper

2.5 各国重要专利的比较

专利是对具有较高应用价值的技术和产品的保护，其被引次数较大程度上反映专利的质量。在农用无人机专利被引前50名的专利中，美国专利33件，占2/3，覆盖导航、操控、图像获取与处理等多个方面，平均被引64.4次/件；中国专利只有11件，占1/5，其中与植物保护相关的8件，平均被引39.7次/件(表5)。由此可见，尽管美国在农用无人机的专利总数落后于中国，但其专利的质量要比中国高。

表5 农用无人机重要专利产出前五强国家的文献计量数据Table 5 Bibliometrics data of top 5 countries with important agricultural UAV patent

农用无人机专利中最为关注的研究是导航、控制和对象识别，如Working Drones公司的专利阐述如何利用移动设备对无人机导航和控制，以250次的居于被引榜首位(表6)。飞行轨迹的规划、复杂环境中的起降与避让、操作平台也是重点研究内容，如深圳大疆公司关于无人机管理系统的专利是研究在无人机降落过程中如何自主地将操控设备在移动平台和基站之间切换，该专利不但有94次被引，还有8个同族专利，可见此专利有较高的应用价值。在植保领域，高被引的专利大量集中在精准变量施药和不规则农田导航两个方面，其原因是因为中国的田块面积较小，而且不规则，因此中国的植保无人机在导航方面有更高的要求，例如北京农业智能装备技术研究中心的专利将作业区域拟合为凸多边形、建立坐标系、划分栅格的方法提高作业的精准性和作业效率。除此之外，无人机在保险、除尘、施肥、释放活体生物、林业监测以及飞艇-无人机混合体等也成为农用无人机专利中较为关注的研究点。

表6 农用无人机重要专利前10强Table 6 Top 10 imortant agricultural UAV patent

3 基于文献内容的分析

农用无人机在飞抵预定区域后首先要采集目标信息，即可完成测绘、估产、监测等无特定作业的任务，如携带相应设备，还可完成喷药、施肥等特定作业任务(图5)。因此，农用无人机如何按既定目标飞行、如何准确获得目标信息、如何精准实施农事作业是农用无人机研究的主要方面。以下根据52篇重要农用无人机论文来分析农用无人机研究的进展。

图5 农用无人机应用示意图Fig.5 Scheme map of agricultural UAV application

3.1 遥感监测

遥感包括高空遥感、低空遥感和地面遥感，其目的是获取目标对象信息特征，从而能够识别作业对象、为其他农事作业提供基础，因此可靠的遥感是农用无人机真正发挥作用的先决条件。农业具有较强的季节性、地域性特征，森林往往地点偏僻、地形复杂、树木高大互相遮蔽，因此常用的卫星遥感数据往往受天气、轨道周期、分辨率、环境的影响而达不到要求，但无人机具有灵活性、实时性、移动性等特点，成为获取农林业遥感数据的重要工具。目前国内外无人机遥感呈现爆发式增长，在农田地形测绘、农业灾害与保险、林业资源调查等方面正发挥其独特的优势[4-5]。

对目标信息的获取是无人机实施作业的前提条件，农情信息获取的主要手段有可见光成像、光谱成像、红外热成像、激光雷达成像等。2004年，Herwitz等[6]在在美国夏威夷试验高分辨率彩色和多光谱成像系统的无人机采集农田信息，证实无人机可为农业监测和决策支持提供服务，开启了无人机用于农业监测的序幕。Berni等[7]利用装载热传感器和窄带多光谱传感器的无人机进行植被监测，获得了40 cm分辨率的热图像和20 cm分辨率的窄带多光谱图像，从而使其替代成本昂贵、缺失最佳空间位置、不具高分辨率的卫星遥感监测成为可能，其690次的总被引充分证明该研究具有很强的开拓性。Hunt等[8]利用1 200万像素的数码相机采集冬小麦的红外-绿色-蓝色图像，测试发现叶面积指数与绿色归一化植被指数之间有很好的相关性，指出搭载相机的低成本无人机可为特定区域农业监测提供高分辨率图像。图6示出的是北京安洲科技有限公司开发的M600遥感无人机，该无人机搭载的S185画幅式高光谱相机可在1/1 000 s内获得整个高光谱立方体数据，实现即时快速影像拼接。

图6 装载S185画幅式高光谱相机的M600遥感无人机Fig.6 M600 remote sensing UAV with S185 hyperspectral camera

利用光谱遥感成像获得获取作物农业参数(如含水量、叶绿素含量、叶面积指数、生长量等)，根据参数与作物长势和产量之间的模型监测作物长势、预测作物产量是传统采样测量的有效补充，也为农作物是否需要施肥打药提供决策支持。日本科学家最早在2003年就利用高光谱传感器在1 400 m高空对水稻进行遥测，估算产量[9-10]。此后对小麦、玉米、大麦以及果树生物量的测定有较多的报道，大部分都是依靠高光谱传感器获取图像进行解析[11-16]。Bendig等[17]基于RGB图像估算夏小麦的地上鲜、干生物量，相关性达0.81。Jin等利用无人机在3～7 m的超低空获取小麦图像，首次提出植物密度的算法[14]。由于高分辨率立体图像能更直观反映出植物的实际空间分布，近年来在农情监测中得到广泛应用[15,18]。随着人工智能的发展，人工神经网络、机器深度学习等方法逐步应用到农情监测和估产中，较大提高估测的精确度[19]。图7示出的是国家农业智能装备工程技术研究中心研发的超低空遥感影像无人机获取集成装备，该装备可有效获取作物三维信息、水肥等关键生长胁迫因子、病虫害和杂草信息等农情信息。

图7 超低空遥感影像无人机获取集成装备Fig.7 UAV system for acquisition of ultra low altitude remote images

3.2 植物保护

在中国、日本和韩国，植物保护是农用无人机应用最广泛的领域[20]，但与之相关的重要研究论文较少，高被引论文只有4篇，不涉及具体植保施药技术，都是杂草识别方法[21-24]。Torres-Snchez等[21]首次利用无人机进行早期杂草管理的研究，指出图像数量和分辨率是一对矛盾，需要根据实际情况优化二者关系。Pea等[22]开发出基于对象的图像分析软件(Object based image analysis, OBIA)对杂草进行识别并生成杂草图，计算杂草覆盖率的总准确率为86%。De Castro[24]发展了OBIA的算法，使得机器不需通过人工训练就能自动识别图像，并能在杂草图的基础上生成处方图。中国对于植保无人机的研究更多集中于施药技术，包括减少雾滴飘移、增加雾滴沉积和提高农药利用率，其中较早开展雾滴沉积研究的是张京等[25]利用无人驾驶直升机进行的水稻施药作业。绝大部分研究表明，植保无人机喷雾飘移雾滴的90%集中于15 m以内[26-27]；靶标飞行速度大于5 m/s，雾滴飘移量较高[28]。图8展示的是中国农业大学研发的多旋翼和单旋翼植保无人机。

图8 3WSZ-15型18旋翼(a)和3ZW-CAU16型单旋翼(b)电动植保无人机Fig.8 3WSZ-15 electric plant protection UAV with 18 rotors (a) and 3ZW-CAU16 UAV with single rotor (b)

3.3 畜禽监管

无人机系统不但能记录畜禽生理状况，还可以跟踪、驱赶畜禽，控制它们的移动方向，大大降低人力成本，因此在澳大利亚、美国、新西兰等地广人稀的大型农场受到欢迎。Barbedo等[29]将无人机对畜禽监管的影响概括为飞机自身、传感器、自然环境、政策管控、图像采集与处理、特殊因素(如动物的移动)等六个方面。当前无人机对畜禽监管的主要研究点也是获取、识别牲畜并能统计数目。在信息获取方面，除了使用RGB成像、多光谱及高光谱成像，还可以使用热成像和摄像机，热成像仪通过红外热感获取图像，可以在夜间使用，而射频定位器简单可靠，成本低，适合小规模农场[30-35]。另外，通过在畜禽身体安装定位器是一种廉价可靠的牧群定位方法，但只适用于规模较小的农场。在信息处理方面，由于动物会移动，有时还会相互重叠或被其他物体覆盖，研究人员采用多种模型、算法和技术来提高识别的准确度，例如卷积神经网络(Convolutional neural networks, CNN)[36]、K最近邻分类法(k-Nearest Neighbor, KNN)[37]、支持向量机分类法(Support vector machine，SVM)[38]、迭代自组织分析技术((Iterative self-organizing data analysis， ISODATA)[39]、模板匹配法[40]、背景去除法[41]。随着对动物健康和福利的重视，对高品质畜禽产品的渴求，无人机在畜禽监管中的应用会有很大提升。

3.4 播种授粉

欧美早在20世纪30年代就使用有人驾驶飞机进行播种，中国则在20世纪50年代使用飞机播种，树种、草种、稻种是飞播的主要对象。利用无人机播种的研究较少，中国的华南农业大学是研究无人机播种最多的单位，播撒的主要对象是稻种[42-43]；葡萄牙的Felismina等[44]研究出可与任何类型无人机连接的播种机。国外无人机播种更多用于植树造林，美国DroneSeed公司设计出一人同时操控15架无人机机群进行森林播种作业的软件，极大提高了劳动效率[45]。美国国家航空航天局工程师计划用每年用无人机播种10亿棵树，巴基斯坦和印度也都有用无人机播撒树种的报道[46]。图9为羽人无人机(珠海)有限公司研发的3WDM8-20多旋翼播撒无人机，采用同轴叠桨的旋翼结构，具有体积小、负载大、抗风性好的特点，可以播撒种子以及固体肥料。

图9 3WDM8-20多旋翼播撒无人机Fig.9 3WDM8-20 mutlti-rotor seeding UAV

无人机在作物授粉中的应用非常少，文献主要集中在水稻制种中，其目的是利用无人机产生的气流使得花粉传播到更远的距离进行辅助授粉，主要研究单位是中国的华南农业大学[47-49]。

3.5 农业灌溉

通过对无人机配备的传感器和摄像头获得的光谱图像可分析出缺水的作物、缺水的程度和作物所在位置，从而为农业精准灌溉提供信息，是一种既节约时间、又节约水资源的农业灌溉方式[50-52]。无人机农业精量灌溉的前提也是要通过传感器获得土壤中和作物体内的含水量，再根据作物生长的模型来估算作物的需水量，从而将需水量信息传输给控制单元进行灌溉作业。尽管变量灌溉决策支持系统能精确计算出作物的需水量，但是作物的生长状态与灌溉量之间的相互关系并不能精确获取，因此实际灌溉量并不完全等于需水量。为了解决这一偏差，模糊理论的使用可对精量灌溉提供指导[53]。除此之外，无人机还可为灌溉过程中出现的积水或者漏水问题提供检测服务，提高农业灌溉效率和降低成本。

4 结论与讨论

1)信息采集分析是农用无人机的核心技术，应加强对农业作业对象的精准识别。

农用无人机的机身结构和飞行控制属于通用技术层面，其改进和提升主要依赖于整个无人机行业的发展；农用无人机的作业部件与地面作业部件相同，其精准度的提升是地面部件是同步的。因此农用无人机研发的核心技术是提高农业作业对象信息采集的精确度和识别准确度，让农用无人机实现精准作业。农用无人机采集对象包括有生命特征的动植物和无生命特征的土壤、水、空气等环境要素，动植物不同的生理状态都会以各种形态表现出来。因此，找出信息对象内在因素和外在表现之间的联系，建立二者的表型关系模型，才能利用声、光、电、波、温、湿等各种传感器提取需要的信息，解析出作业对象的状态，使得农用无人机能有的放矢、按需作业。

2)施肥施药是农用无人机的主要应用方向，应聚焦药肥施放的精准、变量与防飘。

植保无人机是农用无人机发展最快的方向，尤其在中国、日本、韩国应用较多。植保无人机虽然能够替代人力进行高工效施药作业，但也带来了漏喷、重喷、药液飘移的问题以及应对不规则地块航迹规划和针对不同病虫草危害程度喷施不同施药量的难题。因此植保无人机的研发不但要考虑提升续航时间和荷载能力，而且要关注如何实现药液均匀沉积、减少雾滴飘移，其终极目标是实现变量施药。因此，研制与无人机匹配的、轻质量的稳压阀、流量阀、防飘技术与专业剂型是解决均匀沉积和较少飘移的有效方法。

3)中外农用无人机的研发主体和侧重点不同，中国的研发既要体现特色又要抓住核心技术。

与国外以公司为研究主体不同，中国高校、科研院所和公司都积极参与农用无人机研发的研发，但研发偏重于应用，如技术改进、部件升级等，较少算法优化、信息采集、精确导航等方面的深入研究。因此，今后中国无人机的研究首先要关注信息采集与分析这一核心技术，综合运用光、波、磁的技术，采集动植物和微生物不同状态下的“指纹”特征，准确识别作业对象；其次要研制可靠性高、价格合适的传感器，提升作业机具的灵敏度和精准度，与作业对象的精确识别形成协同作用，为精准农业提供支撑；最后要鼓励高校和科研机构与企业加强联合，企业在无人机开发上起主导作用，高校和科研院所应加强相关机理机制的研究，这对产业化性质较强的无人机研发非常重要，才能促进中国农用无人机良性、健康发展。

致谢

感谢中国科学院遥感与数字地球研究所叶迎春、国家农业智能装备工程技术研究中心李龙龙为本研究提供部分图片和文字。