1. 课程导入与巡查任务全景

无人机农田病虫害巡查，本质上是把“人走到田里看”换成“用飞机带着传感器去看”，但它的目标并不是拍几张漂亮的航拍图，而是要在有限的时间窗口内，回答三个问题：哪块地有问题、问题是什么、严重到什么程度、需要怎么处理。因此，一次完整的巡查任务，从受理需求开始，到提交可被农技人员或种植管理者直接使用的报告结束，中间要经过任务规划、飞行采集、数据回传、影像处理、判读识别、结果核验等多个环节。理解这条完整链路，比单纯会飞无人机更重要。

先明确巡查的对象与产出。巡查对象通常包括地块边界、作物种类与生育期、病虫害发生的空间分布与等级；产出则是一份带有位置坐标、面积统计、等级判定和处理建议的巡查报告，常见形式包括正射影像图、病虫害分布专题图、疑似病斑清单和面积汇总表。不同任务对精度的要求不同：日常普查可能只需要发现明显发病中心，而防治效果评估则要求能对比两次飞行的差异，对定位精度和拍摄一致性要求更高。

这五个要素不是并列的清单，而是相互约束的关系。例如地块形状狭长、中间有高压线，就会限制航线走向和飞行高度；作物处于抽穗期，冠层茂密，可见光影像难以穿透，可能需要补充多光谱或调整拍摄角度；目标病害如果是稻飞虱这类从基部危害的害虫，仅靠顶部俯拍很难发现，需要结合低空斜拍或田间抽样验证。无人机方面，多旋翼适合小地块精细巡查，固定翼适合大面积快速普查，载荷能力则决定了能否同时挂载可见光与多光谱相机。数据要素则要求从任务一开始就规划好命名规则、存储路径和坐标系统，避免后期返工。

把工作流展开来看，任务受理阶段要确认的是巡查范围、目标病虫害、时间要求和成果形式。这一步最容易被忽视，却决定了后续所有环节的方向。例如种植户只说“帮我看看水稻有没有病”，就需要进一步追问：是怀疑稻瘟病还是纹枯病，是整片田还是局部区域，什么时候要结果。目标不同，飞行方案差别很大——稻瘟病急性发作期病斑在叶片上呈梭形，可见光下较易识别，常规正射即可；而纹枯病从基部叶鞘开始，需要低空斜拍或增加地面抽样点。

任务规划阶段要把五要素转化为可执行的飞行参数。以一块约 200 亩的连片稻田为例（以下为教学示例参数，非实测数据）：若使用多旋翼搭载可见光相机，航高设为 50 米，航向重叠率 75%、旁向重叠率 65%，地面分辨率约 1.5 厘米/像素，足以分辨叶片上的典型病斑；若需多光谱指数分析，航高可降至 80 米并保证 80% 以上重叠率，以便后期拼接和反射率校正。航线应沿地块长边布设，避开高压线、水塔和树木，并在起降点预留安全区域。规划完成后，最好在图上标出起降点、航线走向和重点巡查区，便于现场核对。

飞行采集阶段的核心是“按计划飞、按标准拍”。起飞前检查电池电量、存储卡容量、相机参数和 RTK 定位状态；飞行中关注风速和光照变化，避免在强侧风或逆光条件下拍摄，否则影像质量下降会直接影响判读。采集完成后，数据回传要立即执行命名和备份，建议采用“日期_地块编号_作物_传感器”的命名规则，例如“20240512_A03_水稻_可见光”，并同步记录飞行高度、重叠率、天气和异常情况。这些元数据在后期判读和报告撰写时非常关键。

处理判读阶段是把影像变成结论的过程。先做影像拼接生成正射图，再通过目视解译或机器学习模型识别疑似病斑，结合地块边界统计发生面积和等级。这里要强调“核验”环节：模型识别出的疑似区域，应抽取若干点位到田间实地确认，避免把阴影、积水或土壤裸露误判为病斑。最后形成的报告应包含巡查范围图、病虫害分布专题图、面积统计表和防治建议，并注明数据来源、飞行参数和判读方法，使结论可追溯、可复核。