计算机论文哪里有？本文针对无人机精准农业操作难的问题，提出了对地图进行栅格化处理的方案，方案中采用的是序号法的方式，联合监测无人机采集到的农作物缺药的量化信息，考虑无人机的最大载重、最远航程，及飞行方式能耗等约束，以无人机的整体能耗和农田农药残留多目标优化问题，建立了无人机农业调度的数学模型。
第一章 绪论
1.2 国内外研究进展
1.2.1 国内外无人机施药技术的发展
航空施药[6]是用无人机或者其他飞行器将农药液剂、粉剂、颗粒剂等从空中均匀的喷施在目标区域内的一种施用方法，是精准农业中一个十分重要的环节，也是农业现代化的发展延伸。近年来，在农业领域，到处都有无人机的身影。主要用于农田作业的喷灌，播种，生长信息获取等方面，一般分为固定翼植保无人机、单旋翼植保无人机、多旋翼植保无人机。市面上一般多旋翼植保无人机[7]居多，通过采用模块化设计，使用与维护及其方便，通常使用锂电池作为飞行动力，平均满冲电池可连续工作 15 到 20 分钟，两个架次、喷幅宽度和飞行高度均可自由调整。因植保无人机具有远距离作业，作业效率高，作业精准度高，作业量大，成本低廉等特点，逐渐成为航空施药药械中最重要的组成部分。
大约在 100 年前，第一架由无线电操控的无人机在美国秘密试飞，由于无人机的便携性，1918 年，美国首次利用飞机在棉花上喷洒农药，打开了农用航空的大门，1922 年，美国将 JN-6军用飞机改良，装载农药后对植物进行喷洒。同年，前苏联也用了飞机喷洒的手段，轻而易举消灭了蝗灾。1949 年后，美国开始研制专门用于农业的农用无人机。由于无人机拥有众多的优点，各个国家对植保无人机越来越推崇，植保无人机的系统也得到了大幅度提升。20 世纪 90 年代，日本开始着手将遥控直升机用于各种果蔬的农药喷施作业中，实现精准农业。90年以后，日本千山公司又发明了一款专业喷施的植保无人机，由于作业灵活轻巧，适应各种因地势差异或者气候不同的作业区域。至今，日本成了第一个利用无人机做植保作业的国家。由于日本的地形因素与人文习惯，无人机植保在日本发展十分迅猛，成为了世界上农业航空最成熟的国家。俄罗斯幅员辽阔，人烟稀少，拥有庞大的农机作业队伍，数量高达 11000 多架[8]，作业机型以载人固定翼飞机为主，年加工耕地超过耕地约占澳大利亚、加拿大耕地总量的 35%，巴西的农业航空发展模式与美国相似，主要机型为载人固定翼飞机和旋翼直升机。加拿大农业航空协会（Canada Agricultural Aviation Association，CAAA）目前共有 169 个会员。韩国 2003 年首次引进用于农业航空作业的直升机，农业航空作业面积逐年增加，到 2010 年，全国农业直升机 121 架（含农业无人机 101 架），全年植保作业面积 43460 个 hm2，有人驾驶直升机 20 架，在植保作业区 55200 hm2），约 80%的地上飞机安置了日本农业部所有的粮食、农林渔业和日本农业部的 500 架 2013 年飞机。
第三章 多目标智能优化算法设计
3.1 轮盘赌选择法
本文使用轮盘赌是用来安排无人机配送任务的一种策略，将包裹按照目的地进行分类后，为了保持在分配包裹到无人机上的任务数不均匀，特别的采用了轮盘选择的方法。这使得无人机在配送各个目的地的任务时，均匀配送每一个目的地的货物，避免了不同目的地完成差距过大，即无人机先配送完目的地 A 的货物之后再去配送目的地 B 的货物。其基本思想是：各个个体被选中的概率与其适应度大小成正比，适应能力越强，选中的概率也就越大。
蚁群优化（Ant colony optimization, ACO）是意大利学者 Marco Dorigo 等[40]人根据蚂蚁的觅食行为首先提出的一种优化算法。它属于仿生智能算法的范畴。模拟蚂蚁寻找食物的路径就是优化问题的解。当蚂蚁寻找食物时，它们会在经过的路径上释放信息素。很多蚂蚁在搜索时会积累大量的信息素。路径的距离受信息素浓度的影响。时间越长，信息素含量越低。在正反馈下，蚂蚁最终会集中在信息素量较大的路径上，这就是最优问题的解，由于蚁群算法非常实用，在很多方面都有广泛的应用，本文将采用路径规划问题进行研究。
第五章 智慧农场的无人机精细灌溉系统
5.1 技术选型
随着 Web2.0 时代的到来，前后端开发技术发展迅速。前后端分离已成为互联网项目开发的业界标准使用方式，通过 Nginx+Tomcat 的方式（也可以中间加一个 NodeJS）有效地进行解耦，并且前后端分离会为以后的大型分布式架构、弹性计算架构、微服务架构、多端化服务等打下坚实的基础。这个步骤是系统架构从猿进化成人的必经之路。其核心思想是前端HTML 页面通过 Ajax 调用后端 restful API 接口，并与 JSON 数据进行交互。
5.1.1 前后端技术
目前流行的 Web 前端开发技术包括三种基本技术，用于页面架构的 HTML、用于实现页面风格的 CSS 和用于页面交互的 JavaScript。HTML5 是 HTML 技术的最新规范，CSS3 是CSS 技术的代表，而 JavaScript 是一种非常灵活的脚本语言。在现代网站设计和生产，HTML5，CSS3 和 JavaScript 越来越普遍，不仅讲究传统的个人电脑页面，同时也广泛用于 Win32 桌面程序和微信官方账户平台。
Web 后端开发技术包括，用于负责接收参数，调用相关业务层，封装数据以及路由和渲染到 JSP 的后台框架 Spring + Mybatis，结合 Java 基础，分布式缓存 Redis，设计模式等，实现后端高并发、高可用、高性能的功能特性。
5.1.2 名词解释
Nginx：是一个高性能的 Http 和反向代理服务器，特点是占有内存少，并发能力强，具备 Squid 等专业缓存软的功能，支持异步网络 I/O 事件模型 epoll。
Ajax：是指一种创建交互式、快速动态网页应用的网页开发技术，无需重新加载整个网页的情况下，能够更新部分网页的技术。通过在后台与服务器进行少量数量交换，Ajax 可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下，对网页的某部分进行更新。
5.2 需求分析与设计
5.2.1 任务目标与需求
本系统是“无人机精细灌溉模拟”系统的一个重要组成部分，即前后端交互部分。“无人机精细灌溉模拟”系统的开发目的是帮助农业生产人员科学合理地规划无人机灌溉（或喷洒农药）的路径，后台系统分析计算无人机调度流程，并模拟无人机灌溉过程，提供简单易操作的交互界面，展现生动直观的灌溉效果模拟示意图，从而提高农业生产效率。
本系统需要实现无人机农业调度数据处理、无人机飞行动画绘制，即后台计算和前端展示两部分。
（1）农场地图数据处理
对于一块真实的农田，我们需要以一定的精度按照一定的方法将其用计算机代码表示，由于某一小片区域农田内的灌溉需求程度大致上相同，因此我们可以将农田分为若干正方形网格，这样不仅符合实际需求，而且能够简化无人机路径的计算。
每个方格表示一个一定大小的地块，并拥有一个表示灌溉需求的数值，规定范围为 0 到5，0 表示作物状态良好，无需灌溉，5 表示受灾最严重，急需灌溉。为了形象化地显示农场中的总体受灾情况，我们用颜色的深浅表示灌溉需求的大小，纯白色表示 0，深红色表示 5。
（2）无人机飞行动画绘制
在取得计算后的无人机飞行的路径后，用户点击“开始播放”按钮，网页将无人机图案显示在农场地形图中，并按每秒一次的频率刷新无人机的位置，无人机所到之处灌溉需求应当减 1，表示该地块刚刚被灌溉过，在播放模拟动画的时候用户可以点击“暂停”或“重置”按钮来暂停或重置动画。
第六章 总结与展望
6.2 展望
无人机全局路径规划问题是一个非常复杂的优化问题，尤其针对多目标的场景下，含有大量的约束条件和因素，严格意义上是没有绝对的最优的路线，只能找到相对的满意解。随着无人机技术的进一步发展，以及无人机续航和载重的进一步增大，未来还有很多问题需要研究，比如：
（1）无人机中转站的选址。无人机中转站是无人机进行更换电池和补充农药的临时地点，其恰当有效的选址对于无人机编队整体的协同调度以及成本控制将会有显著的作用，将来这部分还有待进一步研究。
（2）本文提出的无人机农业调度系统只是单无人机多架次对单一地图进行精准作业，未来的解决方案是，多无人机多架次多场景下，联合作业，同步实现多地多农作物精准覆盖喷施，尤其是面对更加复杂的目标区域，或者面对一些突发状况，无人机能否自主实现实时规划能力，这将是接下来要亟待解决的重点。
参考文献（略）
