Operational effects of unmanned helicopters for pesticide spraying in rice field
-
摘要:目的
测试和对比电动单旋翼与电动多旋翼植保无人机在水稻田间的作业效果。
方法测试的植保无人机为HY-B-15L型单旋翼植保无人机(单旋翼机)和MG-1S型多旋翼植保无人机(多旋翼机)。以一定比例的罗丹明B与善思纳米农药的混合溶液作为喷施溶液，通过改变无人机作业高度和农药喷洒量进行田间喷施试验，采用荧光示踪剂法和水敏纸图像分析法获得2种无人机在不同喷施条件下喷施的雾滴在靶标上的沉积效果。按田间药效调查准则，调查不同处理下的纳米农药对水稻病虫害的防治效果。
结果2种无人机喷施的雾滴在各采样点上的沉积量随农药喷洒量的增加而增加，当农药喷洒量为66.67和100.00 mL·hm–2时，单旋翼机在各采样点上的沉积量比喷洒量为46.67 mL·hm–2时的分别增加了48.50%和137.73%，多旋翼机分别增加了66.60%和111.88%。作业高度影响了无人机喷施雾滴在采样点上的沉积量和沉积均匀性，当作业高度由1.5 m增加至2.5 m时，单旋翼机喷施的雾滴在采样点上的沉积量和沉积均匀性分别降低了19.3%和53.6%、多旋翼机分别降低了48.7%和22.9%。在4种喷施条件下，单旋翼机在采样点上的沉积量比多旋翼机同条件下分别高出85.8%、26.5%、59.4%和123.4%。单旋翼机在1.5 m和46.67 mL·hm–2作业条件下，农药对稻飞虱Nilaparvata lugens、稻纵卷叶螟Cnaphalocrocis medinalis、稻秆潜蝇Chlorops oryzae、细菌性条纹病及稻瘟病5种水稻病虫害的防治效果最好，防效分别为87.63%、76.67%、84.08%、59.26%和82.33%；多旋翼机在1.5 m和66.67 mL·hm–2作业条件下，农药对上述水稻病虫害的防治效果最好，防效分别为86.54%、78.62%、89.47%、66.67%和83.33%。
结论2种植保无人机由于旋翼风场不同，导致雾滴沉积效果不同，单旋翼植保无人机喷施效果更好；2种无人机喷施的农药最终对水稻病虫害的防治效果无明显差异，且防治效果均达到国家防效标准。
Abstract:ObjectiveTo test and compare the operation effects of single-rotor unmanned aerial vehicle (UAV) type HY-B-15L and multi-rotor UAV type MG-1S on pest and disease control in rice field.
MethodThe mixing solution of rhodamine-B and nano-pesticide was selected to spray in rice field, and field spraying experiments were carried out by changing the working altitude of helicopter and the amount of pesticide spraying. The polyester fiber cards and water-sensitive papers deposited by droplets were collected and analyzed by fluorescence spectrophotometer and image analysis software “DepositScan” to obtain deposition effects of the droplets.
ResultThe deposition of droplets increased with the increase of pesticide application. Compared with 46.67 mL·hm–2 pesticide, when pesticide application was 66.67 or 100.00 mL·hm–2, the deposition of droplets sprayed by single-rotor UAV increased by 48.50% or 137.73% respectively, while the deposition of droplets sprayed by multi-rotor UAV increased by 66.60% or 111.88% respectively. The spraying height of UAV influenced the deposition and uniformity of droplets on the sampling point. When the spraying height ascended from 1.5 m to 2.5 m, the deposition and uniformity of droplets decreased by 19.3% and 53.6% respectively for single-rotor UAV, and decreased by 48.7% and 22.9% respectively for multi-rotor UAV. The spraying performances of single-rotor UAV were better than those of multi-rotor UAV under four spraying conditions. Compared with multi-rotor UAV, the deposition of single-rotor UAV increased by 85.8%, 26.5%, 59.4% and 123.4% from treatment 1 to treatment 4. When single-rotor UAV worked at the height of 1.5 m and a dosage of 46.67 mL·hm–2, the preventive effect of pesticide was the best which were 87.63%, 76.67%, 84.08%, 59.26% and 82.33% respectively against Nilaparvata lugens, Cnaphalocrocis medinalis, Chlorops oryzae, bacterial leaf streak and rice blast. When multi-rotor UAV worked at 1.5 m and a dosage of 66.67 mL·hm–2, the preventive effects against those rice pests and diseases were close to the former and were 86.54%, 78.62%, 89.47%, 66.67% and 83.33% respectively.
ConclusionBecause of different wind field below the UAV rotor, the droplet deposition of two UAVs are different. The spraying effect of single-rotor UAV is better than that of multi-rotor UAV, but there is no significant difference of control effect between two UAVs. The preventive effects of pesticides sprayed by both UAVs can reach the criterion of China.
-
香菇Lentinus edodes又称花菇、香信、香蕈、冬菇、香菌，为侧耳科植物香蕈的子实体，作为世界第2大食用菌，在我国食用菌种植产业中占有很大比例[1]，在民间素有“山珍”之称。香菇具有提高免疫、降血压、降血脂、降胆固醇、防癌抗癌等功效，且适合加工和烹调，受到消费者的极大青睐。当前除了直接烹调食用外，香菇还被制成香菇酱、脆片等食品[2]。但是香菇中含有大量水分，储藏时间短，难以运输，干制香菇可以很好地解决这个问题。
干燥过程对香菇的口感和储藏稳定性有很大影响，因此研究干燥工艺显得尤为重要。目前，普遍使用的干燥加工方法为热泵干燥，此干燥方式热效率高[3]，常用于胡萝卜[4]、毛竹笋[5]、红枣[6]、杏鲍菇[7]等果蔬，但其存在多种缺陷，如微生物以及细菌总数易超标[4]等；真空干燥虽干燥时间长、成本高[8]，但其干燥品质明显高于热泵干燥，故常用于对品质要求较高果蔬，如野生软枣猕猴桃[9]、黄秋葵[10]、雪莲果粉[11]、桑葚[12]等。目前，关于香菇的热泵–真空联合干燥还鲜有报道。本文将这2种干燥方式结合起来，进行分阶段干燥，期望优势互补，得到品质与真空干燥相近，能耗又低于真空干燥的干制香菇。另外，本文还利用响应面法优化香菇热泵–真空联合干燥工艺参数，建立动力学模型，并将试验结果与单一热泵干燥、单一真空干燥对比，为联合干制香菇实际生产提供参考依据。
1. 材料与方法
1.1 试验材料
新鲜香菇购于农贸批发市场，挑选大小、菇头厚度相近且表面无明显破损的香菇作为试验样品。试验测定新鲜香菇的初始湿基含水率(w)为(89.27±1)%。简单冲洗后，放入冰箱内4 ℃条件下保存待用。
1.2 试验方法
1.2.1 工艺流程
新鲜香菇→热泵干燥(热泵干燥机：LAD-060型，徐州市海涛制冷设备有限公司)→真空干燥(真空干燥机：LABCONCO FreeZone型，上海珂淮仪器有限公司)，最终湿基含水率(w)在13%以下[7]→测定指标。
1.2.2 确定试验因素
香菇的热泵–真空联合干燥产品品质与很多因素有关，如热泵干燥的风速、湿度、温度和真空干燥的真空度(以下简称真空度)、温度以及装载量、转换点含水率等[13-16]。由于试验设备限制，很多参数都不可调，所以固定热泵干燥风速为1.6 m·s–1，湿度为10%，真空干燥冷阱温度为–50 ℃。根据王安建等[17]的研究，1 176 g·m–2为热泵干燥的最优装载量，本试验修正固定装载量为1.2 kg·m–2。每次试验物料质量为1.2 kg，当热泵干燥结束，转为真空干燥时，真空干燥铺料总面积为0.25 m2。
综上所述，确定热泵温度、真空度和转换点含水率为试验的3个因素，分别分析其对单位能耗、感官评分、复水比和硬度的影响。
1.2.3 单因素试验
用单因素试验法来确定因素(热泵温度、真空度和转换点含水率)的0水平。在装载量为1.2 kg·m–2，热泵干燥风速为1.6 m·s–1，湿度为10%，真空干燥冷阱温度为–50 ℃的条件下，分别进行试验，记录各组的4项指标。试验分为3组，共计12次联合干燥试验：
1)先进行热泵干燥，将热泵温度设置为30、40、50、60 ℃，待含水率降至55%，停止热泵干燥，转为真空干燥，设置真空度为100 Pa；
2)先进行热泵干燥，设置热泵温度为50 ℃，待含水率降至55%，停止热泵干燥，转为真空干燥，将真空度设置为50、75、100、125 Pa；
3)先进行热泵干燥，设置热泵温度为50 ℃，待含水率降至25、40、55、70%，转为真空干燥，真空度设置为100 Pa。
1.2.4 响应面优化试验设计
采用Box-Behnken Design(BBD)试验设计方法，以热泵温度(A)、真空度(B)、转换点含水率(C)为自变量，进一步研究这3个因素与联合干燥香菇产品单位能耗、感官评分、复水比和硬度的关系。试验因素水平见表1。
表 1 试验因素水平表Table 1. Factor levels of the test水平
Levelθ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum degree
(B)转换点含水率(w)/%
Conversion point moisture content
(C)–1 45 90 45 0 50 100 55 1 55 110 65 1.2.5 对比试验
分别进行3次单独的热泵干燥(温度49 ℃)和真空干燥试验(真空度110 Pa)，取均值得出单位能耗、感官评分、复水比和硬度，并与联合干燥进行对比。
1.3 指标测定方法
1.3.1 含水率
含水率根据GB 5009.3—2016[18]测得，所用仪器为电热鼓风干燥箱(101-A型，上海锦昱科学仪器有限公司)。
1.3.2 单位能耗
单位能耗为香菇每损失1个单位质量水分所消耗的电能。从经济效益出发，单位能耗越小越好。根据电表读数来计算，计算公式[19]为：
$$C=3\,600({W_2}-{W_1})/M,$$ (1) 式中，C为单位能耗，kJ·g–1；W1和W2分别为试验开始时和结束后的电表读数，kW·h；M为干燥去除水分总质量，g。
1.3.3 复水比
复水比用质量的增加程度表示，其值越大越好。将装有蒸馏水的烧杯放入40 ℃的恒温水浴锅(HH-1型，金坛市城东超韵实验仪器厂)中，10 min后将联合干燥后的香菇样品浸没入蒸馏水30 min(料液质量比为1∶30)，快速沥干，测质量，复水比(R)计算公式[20]为：
$$R={m_{\rm f}}/{m_{\rm g}},$$ (2) 式中，mg、mf分别为香菇复水前、后的质量，g。
1.3.4 感官评分
表 2 香菇感官品质评价标准Table 2. Evaluation standard of Lentinus edodes sensory quality评分
Score厚薄
Thickness色泽
Color肉质
Quality香气
Aroma8~10 内外均一 淡黄色，色泽均匀 肉质紧密，有脆感，软硬适中 菇香浓郁，气味怡人 4~8 内外基本均一 黄褐色，色泽均匀 肉质紧密，略有脆感 菇香一般，气味不足 0~4 内外严重不均，有薄有厚 深褐色，色泽不均 肉质较软，无脆感，或口感较硬 菇香不明显，有炭化味 1.3.5 硬度
将质构仪(TMS—PRO型，美国食品特性研究开发机构FTC)设置为TPA测量模式，测前和测后速度为8 mm·s–1，测试最大距离为20 mm，测试速度为2 mm·s–1，每组测10次，每次间隔时间为5 s，求平均值，得硬度指标[22]。
1.4 数据处理
运用Excel、Spss和Design-Expert.8.05b软件对香菇热泵–真空干燥试验数据进行分析。
2. 结果与分析
2.1 单因素试验
2.1.1 不同热泵温度对香菇干燥效果的影响
单因素第1组试验结果如图1所示。由图1可以看出，热泵温度从30 ℃增加到60 ℃，单位能耗和复水比显著降低，感官评分下降，硬度显著提高。温度过高，香菇的内部结构受到破坏，出现干燥不均匀现象，故在60 ℃时，香菇的感官评分和复水比下降，并且部分产品会因酶促和非酶促反应而出现褐变，产生褐色硬荚，导致硬度上升，质量变差。这与Jayaraman等[23]的结论相符，其研究发现在干燥过程中，果蔬因内部结构遭到破坏而吸水性能减弱，复水比下降。50 ℃时的单位能耗与60 ℃时相近，而且其他3项指标明显优于后者，因此选择50 ℃作为热泵温度的0水平。
![]()
图 1 热泵温度对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 1. The influences of heat pump temperature on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.1.2 不同真空度对香菇干燥效果的影响
单因素第2组试验结果如图2所示。由图2可以看出，真空度从50 Pa增加到100 Pa，单位能耗下降，但增加到125 Pa时，干燥罐内的气压过小，空气过于稀薄，影响了水分传递进程，导致单位能耗显著上升；随着真空度加大，感官评分和复水比增加，硬度下降(真空度为75 Pa时，其硬度与50和100 Pa时无显著差异性，但是50和100 Pa之间差异显著)，这是因为干燥罐内气压下降，空气含量减少，减轻了香菇的氧化程度，香菇也较易形成疏松多孔的结构[24]。虽然真空度为125 Pa时的感官评分和复水比最高，硬度小，但是单位能耗为本研究最先考虑指标，因此选择100 Pa作为真空度的0水平。
![]()
图 2 真空度对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 2. The influences of vacuum degree on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.1.3 不同转换点含水率对香菇干燥效果的影响
单因素第3组试验结果如图3所示。由图3可以看出，随着转换点含水率的增加，单位能耗显著增大。这是因为热泵干燥的能耗远小于真空干燥，真空干燥时间越长，其单位能耗也越大；其次，转换点含水率越大，说明香菇由热泵转为真空干燥的水分比例就越大，这对感官评分、复水比和硬度都有积极的影响(各自组内都具有显著差异性)。虽然转换点含水率为70%时的复水比和感官评分都达到最高值，表面无明显硬荚，硬度小，但其单位能耗也最大，然而转换点含水率为55%时的感官评分、复水比和硬度与70%时相近且单位能耗低，因此选择55%作为转换点含水率的0水平。
![]()
图 3 转换点含水率对香菇单位能耗、感官评分、复水比和硬度的影响各图中，柱子上方的不同小写字母表示差异显著 (P<0.05, Duncan’s法)Figure 3. The influences of conversion point moisture content on unit energy consumption, sensory score, rehydration ratio and hardness of Lentinus edodesIn each figure, different lowercase letters on the bars indicated significant difference (P<0.05, Duncan’s test)2.2 香菇联合干燥工艺参数的优化
为了得到更加精确的干燥工艺条件，使用Design-Expert.8.05b软件，设计了3因素3水平响应面分析试验，试验设计及结果如表3所示。由表3可以看出，第12组试验条件下的单位能耗最低，第11组试验条件下的感官评分最高，第3组试验条件下的复水比最大，第3组试验条件下的硬度最小。
表 3 试验设计及结果Table 3. Experimental design and result序号
No.θ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum degree (B)转换点含水率(w)/%
Conversion point moisture content
(C)单位能耗/(kJ·g–1)
Unit energy consumption (Y1)感官评分
Sensory
score
(Y2)复水比
Rehydration ratio
(Y3)硬度/N
Hardness
(Y4)1 50 100 55 333.54 7.7 2.59 3.62 2 50 90 60 356.09 8.1 2.70 3.34 3 45 100 60 375.56 8.3 2.84 3.27 4 50 100 55 330.68 7.7 2.62 3.63 5 50 100 55 336.35 7.8 2.58 3.62 6 55 90 55 329.19 7.3 2.50 3.74 7 55 110 55 336.17 7.5 2.54 3.70 8 45 90 55 343.52 7.6 2.65 3.69 9 50 110 50 320.37 7.1 2.57 3.79 10 50 100 55 337.21 7.9 2.61 3.64 11 50 110 60 365.84 8.5 2.76 3.31 12 55 100 50 315.88 7.0 2.41 3.86 13 45 110 55 350.33 7.9 2.67 3.63 14 45 100 50 343.81 7.5 2.56 3.75 15 50 90 50 321.55 7.3 2.42 3.82 16 50 100 55 330.62 7.8 2.60 3.65 17 55 100 60 358.85 8.0 2.61 3.39 2.2.1 单响应指标回归分析
通过Design-Expert.8.05b软件，对单位能耗(Y1)、感官评分(Y2)、复水比(Y3)和硬度(Y4)进行回归分析，得到各自的二次回归方程(表4)。分析表4中的数据可知：单位能耗(Y1)回归方程的显著性F值为42.94，对应的PF <0.000 1，说明此模型拟合性极显著；失拟性 FLf为1.39，对应的
${P_{F_{\rm Lf}}}$ 为0.368 2(${P_{F_{\rm Lf}}}$ >0.05)，说明失拟性不显著，在试验范围内误差较小，回归模型与实际情况拟合程度很高。 R2越接近1，模型拟合度越好，单位能耗(Y1)回归方程的R2为0.982 2，表明此模型可以解释响应值98.22%的变化。综上所述，此模型方程可以很好地分析和预测单位能耗指标。同理，对其他3个模型方程进行PF、${P_{F_{\rm Lf}}}$ 和R2分析，可知，这3个模型方程都可以对感官评分、复水比和硬度进行很好地预测和分析。表 4 单指标回归方程及分析结果Table 4. The regression equation of single index and analysis result指标
Indicator模型方程1)
Model equationF PF 失拟项 Lack of fit R2 FLf ${P_{F_{\rm Lf}}}$ 单位能耗
Unit energy consumption (Y1)Y1=333.68−9.14X1+2.80X2+19.34X3+0.042X1X2+
2.81X1X3+2.73X2X3+6.84X12−0.72X22+8.00X3242.94 <0.000 1 1.39 0.368 2 0.982 2 感官评分 Sensory score(Y2) Y2=7.71−0.19X1+0.088X2+0.50X3 38.03 <0.000 1 3.79 0.106 0 0.897 7 复水比 Rehydration ratio(Y3) Y3=2.60−0.082X1+0.034X2+0.12X3 77.42 <0.000 1 3.94 0.099 7 0.947 0 硬度 Hardness(Y4) Y4=3.63+0.044X1−0.020X2−0.24X3+0.005X1X2+
0.002 5X1X3+0.030X12+0.028X22−0.095X32167.40 <0.000 1 3.38 0.134 9 0.995 4 1) X1：θ热泵/℃；X2：真空度/Pa；X3：转换点含水率 (w)/%
1) X1: Heat pump temperature; X2: Vacuum degree; X3: Conversion point moisture content另外，通过比较各模型方程回归系数绝对值的大小可以得出结论：转换点含水率(C)、热泵温度(A)、真空度(B)对单位能耗(Y1)影响的主次顺序为C > A >B；对感官评分( Y2)影响的主次顺序为C > A > B；对复水比( Y3)影响的主次顺序为C > A > B；对硬度( Y4)影响的主次顺序为C > A > B。
利用Design-Expert.8.05b软件可以对相关数据进行优化，要求单位能耗(Y1)和硬度(Y4)在试验条件下达到最小值，感官评分(Y2)和复水比(Y3)在试验条件下达到最大值，各指标的单指标优化结果如表5所示。
表 5 指标回归方程优化结果Table 5. The optimization result of index regression equation项目
Item工艺参数优化组合
Optimized combination of technology parameters优化结果
Optimized resultθ热泵/℃
Heat pump temperature
(A)真空度/Pa
Vacuum
degree
(B)转换点含水率(w)/%
Conversion pointmoisture content
(C)单位能耗/(kJ·g–1)
Unit energy
consumption
(Y1)感官评分
Sensory score
(Y2)复水比
Rehydration ratio
(Y3)硬度/N
Hardness
(Y4)单指标
Single index54.35 90.00 50.00 316.31 45.00 110.00 60.00 8.5 45.00 110.00 60.00 2.84 46.01 104.37 60.00 3.28 综合指标
Comprehensive index49.26 110.00 56.48 344.35 8.0 2.68 3.55 由表5可知：较高的热泵温度，较低的真空度以及较低的转换点含水率可以降低单位能耗，当热泵温度为54.35 ℃、真空度为90.00 Pa、转换点含水率为50%时，单位能耗最低，为316.31 kJ·g–1；较低的热泵温度，较高的真空度以及较高的转换点含水率可以提高感官评分，当热泵温度为45 ℃、真空度为110 Pa、转换点含水率为60%时，感官评分最高，为8.5；较低的热泵温度，较高的真空度以及较高的转换点含水率可以提高复水比，当热泵温度为45 ℃、真空度为110 Pa、转换点含水率为60%时，复水比最高，为2.84；较低的热泵温度，较高的真空度以及较高的转换点含水率可以减小硬度，当热泵温度为46.01 ℃、真空度为104.37 Pa、转换点含水率为60%时，硬度最低，为3.28 N。
2.2.2 综合工艺参数优化
分析表5可知，较高的热泵温度虽然可以降低单位能耗，但是不能保证高感官评分、高复水比和低硬度；真空度和转换点含水率对这4个指标也有类似的影响。所以，需对这4个指标函数进行综合优化分析，寻找最佳工艺条件。
本文以降低加工成本为主要目的，其次，考虑到干制香菇在销售过程中消费者对感官品质的要求，故单位能耗最重要，感官评分次之；复水比和硬度在评价干制产品品质中也十分重要，但略次于前2个指标。所以将这4个指标的重要性设置为4∶3∶2∶1。优化后的工艺条件为：热泵温度49.26 ℃，真空度110 Pa，转换点含水率56.48%。在此条件下，单位能耗为344.35 kJ·g–1，感官评分为8.0，复水比为2.68，硬度为3.55 N (表5)。
为了便于实际生产，将工艺条件修正为热泵温度49 ℃，真空度110 Pa和转换点含水率56%。按照优化修正后的工艺条件进行3组平行验证试验，取平均值，测得单位能耗为345.01 kJ·g–1，感官评分为8.3，复水比为2.72，硬度为3.61 N，与预测值相近，相对误差分别为0.19%、3.61%、1.47%和1.66%。因此，上述工艺条件可行。
2.3 香菇的单一干燥和联合干燥比较
由表6可知，联合干燥的单位能耗比真空干燥减少37.69%，但高于热泵干燥；单一热泵干燥后的香菇皱缩，边缘出现焦化，内部结构受到破坏[25-28]，导致其感官评分低、复水比低、硬度高，而单一真空干燥和联合干燥尽可能地保证了香菇内部结构的完整，故这2种干燥方式的复水比相近且高于热泵干燥；另外，联合干燥前期为热泵干燥，热泵干燥中的美拉德反应使香菇散发出香味[29]，再经过真空干燥，颜色和硬荚变得均匀，所以联合干燥的感官评分得以提高。
表 6 各干燥方式比较1)Table 6. Comparison of different drying methods干燥方式
Drying method单位能耗 /(kJ·g–1)
Unit energy consumption
(Y1)感官评分
Sensory score
(Y2)复水比
Rehydration ratio
(Y3)硬度 /N
Hardness
(Y4)热泵干燥
Heat pump drying289.22±2.92a 6.4±0.05a 1.45±0.02a 4.50±0.03c 真空干燥
Vacuum drying553.67±2.59c 8.5±0.82c 2.62±0.03b 3.21±0.03a 联合干燥
Combined drying345.01±1.63b 8.3±0.47b 2.72±0.02b 3.61±0.03b 1) 同列数据后的不同小写字母表示差异显著 (P<0.05，Duncan’s 法)
1) Different lowercase letters in the same column indicated significant difference (P<0.05, Duncan’s test)综上所述，联合干燥可以得到能耗低于真空干燥，品质与真空干燥相近的干制香菇。
3. 讨论与结论
香菇在干燥过程中的水分扩散分为外扩散和内扩散，这2种扩散方式同时进行，既相辅相成，也相互制约，其扩散速度差影响着干燥品质[30]。热泵干燥后期水分分布不均，香菇内外水分扩散速度相差较大，内部水分未能及时转移到物料表面，使表面较易形成硬荚；真空干燥的单位能耗较高，排湿效果差，设备成本决定了其规模难以扩大，但在干燥过程中内外水分分布均匀，干燥后的香菇品质较好。热泵−真空联合干燥结合了2种干燥方式的优点，降低了干燥中的内外扩散速度差，不易形成硬荚，很好地保留了香菇的色、香、味，减少了单位能耗。本试验在固定的冷阱温度、热泵风速和湿度下进行，具有一定的局限性。
本研究确定最佳联合干燥工艺为热泵温度49 ℃，真空度110 Pa和转换点含水率56%，在此条件下实测得单位能耗345.01 kJ·g–1，感官评分8.3，复水比2.72，硬度3.61 N，与预测值相近，相对误差分别为0.19%、3.61%、1.47%和1.66%。联合干燥的单位能耗比真空干燥减少37.69%，但高于热泵干燥；其感官评分和复水比与真空干燥相近，高于热泵干燥；其硬度略大于真空干燥，小于热泵干燥。热泵干燥和真空干燥相结合，充分利用两者的优点，得到了能耗低、质量好的干制香菇。解决了热泵干燥品质不佳、真空干燥能耗高等问题，本研究可为香菇的热泵–真空联合干燥提供理论依据。
-
![]()
图 2 田间试验布点图
a: 无人机作业图；b: 布点图；c: 水敏纸和麦乐卡布置图；d: 病虫害调查图
Figure 2. The diagram of test layouts in field
a: Spray test site; b: Single point layouts; c: Droplet collection card layouts; d: Rice diseases and pests survy
![]()
图 3 不同喷洒量下2架无人机的雾滴沉积量曲线图(作业高度1.5 m)
Figure 3. The curves of droplet depositions of two UAVs under different spray applications(Spraying height was 1.5 m)
![]()
图 4 不同作业高度下2架无人机在各个采样点的雾滴沉积量曲线图
Figure 4. The curves of droplet depositions of two UAVs under different spraying heights
![]()
图 5 不同喷施量2种无人机对水稻病虫害防治效果
1：稻飞虱, 2: 稻纵卷叶螟, 3: 稻秆潜蝇, 4: 细菌性条纹病, 5：稻瘟病
Figure 5. The control efficacy of two UAVs against rice pests and diseases under different pesticide applications
1: Nilaparvata lugens, 2: Cnaphalocrocis medinalis , 3: Chlorops oryzae, 4: Bacterial stripe, 5: Rice blast
![]()
图 6 不同作业高度条件下2种无人机对水稻病虫害的防治效果
1：稻飞虱, 2: 稻纵卷叶螟, 3: 稻秆潜蝇, 4: 细菌性条纹病, 5：稻瘟病
Figure 6. The control efficacy of two UAVs against rice pests and diseases of under different spraying heights
1: Nilaparvata lugens, 2: Cnaphalocrocis medinalis , 3: Chlorops oryzae, 4: Bacterial stripe, 5: Rice blast
表 1 植保无人机的主要性能参数1)
Table 1 Main performance index of protection UAV
机型
Model作业速度/(m·s–1)
Spraying speed作业高度/m
Spraying height喷头数量
Nozzle number单喷头流量/
(mL·min–1)
Single nozzle flow总喷施流量/
(mL·min–1)
Total flow最大载荷量/L
Maximum loadHY-B-15L 1~8 1~3 5 200~400 1 000~2 000 15 MG-1S 1~7 1~5 4 379 1 516 10 1) 喷头类型均为扇形喷头，有效喷幅 4~7 m
1) The nozzle type was fan-shaped nozzle and the effective spraying swaths ranged from four to seven meters
下载: 导出CSV
表 2 试验参数的设置
Table 2 The setting of test parameters
机型
Model处理
Treatment喷洒量/(mL·hm–2)
Spray application作业速度/(m·s–1)
Spraying speed作业高度/m
Spraying heightHY-B-15L T1 46.67 6.0 1.5 T2 66.67 4.2 1.5 T3 100.00 2.8 1.5 T4 46.67 4.0 2.5 MG-1S T5 46.67 3.2 1.5 T6 66.67 2.2 1.5 T7 100.00 1.5 1.5 T8 46.67 2.3 2.5
下载: 导出CSV
表 3 不同喷洒量条件下2种机型喷嘴的雾滴粒径
Table 3 The droplet diameters of two kinds of nozzles under different spray applications
机型
Model喷嘴型号
Nozzle model雾滴分类
Droplet classification雾滴粒径 Droplet diameter/μm 46.67 mL·min–1 66.67 mL·min–1 100.00 mL·min–1 MG-1S 11001 VS Dv0.1 50.65 49.22 49.57 Dv0.5 111.80 111.20 108.20 Dv0.9 193.10 200.10 174.10 HY-B-15L 110-015-VP Dv0.1 57.62 60.89 60.29 Dv0.5 132.20 127.90 123.60 Dv0.9 238.20 208.00 203.10
下载: 导出CSV
表 4 不同处理2种机型无人机在各个采样点的雾滴沉积密度
Table 4 The droplet deposition densities of two UAVs on different sample points under different treatments
个·cm–2 采样点
Sample pointHY-B-15L MG-1S T1 T2 T3 T4 T5 T6 T7 T8 –5 4.80 2.85 4.10 4.00 3.05 1.25 0.50 3.65 –4 4.10 1.60 2.40 12.35 7.80 6.90 9.10 8.65 –3 5.75 4.65 15.80 21.35 16.65 23.45 42.15 15.05 –2 21.65 46.65 27.90 34.20 34.50 49.25 69.65 31.10 –1 80.45 137.85 88.70 77.60 86.65 98.45 78.70 58.35 0 64.20 86.10 55.60 58.35 78.50 88.55 66.30 42.10 1 48.15 68.50 62.70 20.35 56.85 65.05 53.45 58.35 2 30.30 37.20 34.00 17.80 31.70 30.00 55.20 23.35 3 8.30 11.90 19.80 5.30 12.20 5.50 25.85 14.00 4 0 0 0 0 0.80 5.90 10.00 3.90 5 0 0 0 0 0 0 21.00 4.25
下载: 导出CSV
表 5 不同作业高度下2种无人机的有效沉积区域
Table 5 The effective spray area of two UAVs under different operating heights
作业高度/m
Spraying
height喷洒量/(mL·min–1 )
Spray applicationHY-B-15L MG-1S 1.5 46.67 –2~2 –3~2 66.67 –2~2 –3~2 100.00 –3~3 –3~3 2.5 46.67 –3~2 –3~2
下载: 导出CSV
表 6 不同处理2种无人机的雾滴沉积结果
Table 6 The droplet deposition results of two UAVs under different treatments
机型
Model处理
Treatment沉积量/(mg·cm–2)
Deposition极差值/(mg·cm–2)
Extreme range变异系数/%
Coefficient of variationHY-B-15L T1 0.239 0 0.166 6 29.91 T2 0.354 8 0.262 8 29.50 T3 0.568 1 0.569 4 36.27 T4 0.192 8 0.250 1 45.94 MG-1S T5 0.168 3 0.142 0 29.19 T6 0.280 4 0.342 1 42.18 T7 0.356 5 0.238 8 25.65 T8 0.086 3 0.082 5 35.60
下载: 导出CSV
-
[1] 贺奇, 杨锋, 马洪文, 等. 1991—2010年宁夏水稻病虫害发生特征与经济损失分析[J]. 环境昆虫学报, 2016, 38(3): 500-507. [2] 吕信河, 肖丽萍, 李涛斌, 等. 我国水稻植保机械存在的问题及相应对策[J]. 南方农机, 2016, 47(3): 47-49. doi: 10.3969/j.issn.1672-3872.2016.03.043 [3] 陈富启, 刘暮莲, 马德发, 等. 几种药剂对水稻稻飞虱的田间防效试验[J]. 广西植保, 2017, 30(1): 28-29. doi: 10.3969/j.issn.1003-8779.2017.01.007 [4] 张东彦, 兰玉彬, 陈立平, 等. 中国农业航空施药技术研究进展与展望[J]. 农业机械学报, 2014, 45(10): 53-59. doi: 10.6041/j.issn.1000-1298.2014.10.009 [5] 薛新宇. 农业航空植保技术现状[J]. 农业技术与装备, 2014(5): 16-18. [6] LAN Y B, CHEN S D, FRITZ B K. Current status and future trends of precision agricultural aviation technologies[J]. Int J Agric Biol, 2017, 10(3): 1-17.
[7] WANG Z G, LAN Y B, HOFFMANN W C, et al. Low altitude and multiple helicopter formation in precision agriculture//[C]. ASABE Annual International Meeting, Kansas City, USA, 2013.
[8] 王昌陵, 何雄奎, 王潇楠, 等. 基于空间质量平衡法的植保无人机施药雾滴沉积分布特性测试[J]. 农业工程学报, 2016, 32(24): 89-97. doi: 10.11975/j.issn.1002-6819.2016.24.012 [9] 薛新宇, 秦维彩, 孙竹, 等. N-3型无人直升机施药方式对稻飞虱和稻纵卷叶螟防治效果的影响[J]. 植物保护学报, 2013, 40(3): 273-278. [10] 陈盛德, 兰玉彬, BRADLEY K F, et al. 多旋翼无人机旋翼下方风场对航空喷施雾滴沉积的影响[J]. 农业机械学报, 2017, 48(8): 105-113. [11] 陈盛德, 兰玉彬, 李继宇, 等. 小型无人直升机喷雾参数对杂交水稻冠层雾滴沉积分布的影响[J]. 农业工程学报, 2016, 32(17): 40-46. doi: 10.11975/j.issn.1002-6819.2016.17.006 [12] CHEN S D, LAN Y B, LI J Y, et al. Effect of wind field below unmanned helicopter on droplet deposition distribution of aerial spraying[J]. Int J Agric Biol, 2017, 10(3): 67-77.
[13] 中华人民共和国农业部农药检定所. 农药田间药效试验准则(一)杀虫剂防治水稻稻飞虱: GB/T179804—2000[S]. 北京: 中国标准出版社, 2000. [14] 中华人民共和国农业部农药检定所. 农药田间药效试验准则(一)杀虫剂防治稻纵卷叶螟: GB/T179802—2000[S]. 北京: 中国标准出版社, 2000. [15] 中华人民共和国农业部农药检定所. 稻瘟病测报调查规范: GB/T15790—2009[S]. 北京: 中国标准出版社, 2009. [16] 中华人民共和国农业部农药检定所. 农药田间药效试验准则(二)第105部分: 杀菌剂防治水稻细菌性条斑病: GB/T17980105—2004[S]. 北京: 中国标准出版社, 2004. [17] 贾卫东, 薛飞, 李成, 等. 荷电雾滴群撞击界面过程的PDPA测试[J]. 农业机械学报, 2012, 43(8): 78-82. doi: 10.6041/j.issn.1000-1298.2012.08.015 [18] GUPTA A, KUMAR R. Droplet impingement and breakup on a dry surface[J]. Comput Fluids, 2010, 39(9): 1696-1703.
-
期刊类型引用(16)
1. 陈金荣，许燕，周建平，王小荣. 基于改进YOLOv5的红花目标检测算法研究. 农机化研究. 2025(01): 26-32+66 . 
百度学术
2. 胡雯婧，余俊龙，梁雷，张静，董卫彬，蒋龙泉. 基于计算机视觉的农作物病虫害识别研究综述. 微型电脑应用. 2025(03): 90-93+97 . 百度学术
3. 郭标琦，王联国. 基于多卷积神经网络融合的当归病虫害识别方法. 江苏农业学报. 2024(01): 121-129 . 百度学术
4. 杨巨成，燕聪，贾庆祥，沈杰，刘建征. 基于图像超分辨率预处理和二次迁移学习的水稻病害识别方法. 天津科技大学学报. 2024(06): 66-74 . 百度学术
5. 李志臣，凌秀军，李鸿秋，李志军. 基于改进ShuffleNet的板栗分级方法. 山东农业大学学报(自然科学版). 2023(02): 299-307 . 百度学术
6. 刘岩，张宁宁，海玲，王斌虎. 基于机器视觉的玉米虫害区域SIFT识别仿真. 计算机仿真. 2023(07): 215-219 . 百度学术
7. 王营瑛，郑铖，董伟，高海涛. 一种基于改进卷积神经网络的玉米病害高效识别模型. 安徽科技学院学报. 2023(04): 96-104 . 百度学术
8. 孙道宗，刘欢，刘锦源，丁郑，谢家兴，王卫星. 基于改进YOLOv4模型的茶叶病害识别. 西北农林科技大学学报(自然科学版). 2023(09): 145-154 . 百度学术
9. 范世达，马伟荣，姜文博，张辉，王金振，李琦，何鹏博，彭磊，黄兆波. 基于深度学习的柑橘黄龙病远程诊断技术初探. 中国果树. 2022(04): 76-79+86+133 . 百度学术
10. 刘延鑫，王俊峰，杜传印，丁睿柔，高强，宗浩，姜红花. 基于YOLOv3的多类烟草叶部病害检测研究. 中国烟草科学. 2022(02): 94-100 . 百度学术
11. 冼远清. 改进的YOLOv3常见鱼病检测算法. 福建电脑. 2022(07): 11-14 . 百度学术
12. 郭文娟，冯全，李相周. 基于农作物病害检测与识别的卷积神经网络模型研究进展. 中国农机化学报. 2022(10): 157-166 . 百度学术
13. 何前，郭峰林，方皓正，李雅琴. 基于改进LeNet-5模型的玉米病害识别. 江苏农业科学. 2022(20): 35-41 . 百度学术
14. 伏荣桃，王剑，陈诚，李洪浩，赵黎宇，卢代华. 基于深度学习的水稻稻曲病图像识别与分级鉴定. 四川农业科技. 2022(10): 35-40 . 百度学术
15. 樊湘鹏，周建平，许燕，李开敬，温德圣. 基于优化Faster R-CNN的棉花苗期杂草识别与定位. 农业机械学报. 2021(05): 26-34 . 百度学术
16. 郭阳，许贝贝，陈桂鹏，丁建，严志雁，梁华，吴昌华. 基于卷积神经网络的水稻虫害识别方法. 中国农业科技导报. 2021(11): 99-109 . 百度学术
其他类型引用(26)
计量
- 文章访问数: 1497
- HTML全文浏览量: 7
- PDF下载量: 1742
- 被引次数: 42
