无人机植保(飞防)服务正在从"飞手带着设备挨家谈"走向平台化:农户在小程序预约作业,服务组织派单给飞手,作业地块、药剂配方、飞行架次、作业面积全程留痕。这一转变的工程核心是三个模块:地块数字化、作业排程与派单、飞行记录与结算。本文基于农业服务数字化的实践展开。技术栈:Spring Boot + MySQL + RedisGeo + 无人机作业日志(设备侧上传)。
植保作业的计价单位是亩,作业对象是地块。地块数据有两种来源:农户预约时在地图上圈地(小程序地图手绘多边形),或从土地确权数据导入(有确权数据的村组,直接关联地块档案)。
CREATE TABLE farm_plot (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
tenant_id BIGINT NOT NULL COMMENT '服务组织',
owner_id BIGINT NOT NULL COMMENT '农户',
plot_name VARCHAR(60) NOT NULL,
geojson JSON NOT NULL COMMENT '地块边界多边形',
area_mu DECIMAL(8,2) NOT NULL COMMENT '面积(亩),多边形计算+人工校准',
crop_type VARCHAR(30) NOT NULL COMMENT '作物:小麦/玉米/枸杞/油菜',
location POINT NOT NULL SRID 4326 COMMENT '地块质心,用于距离派单',
SPATIAL INDEX idx_location (location)
);面积计算有两个坑:一是手绘多边形面积要按投影换算到亩,地图工具的默认平方米结果要除以 666.67 且保留两位(作业结算按亩算,一位小数的误差在几百亩的作业里就是几百块钱的争议);二是农户常把"承包面积"和"实种面积"混着说,系统里两个字段分开存,结算默认按实种作业面积,档案里保留承包面积备查。
植保作业的排程与城市配送完全不同,硬约束是农时窗口:病虫害防治有最佳施药窗口(几天到十几天),错过窗口药效大打折扣;风向、风速、温度、降雨都会取消或推迟作业。所以排程的本质是"窗口期内、气象条件合格时、以最大效率消化排队地块"。
预约单的状态因此要带农时语义:
PENDING(已预约待排) → SCHEDULED(已排期) → WEATHER_HOLD(气象延迟)
→ FLYING(作业中) → PART_DONE(部分完成) → DONE(已完成)派单按地理就近原则,用 RedisGeo 或空间索引找作业队:
public List<Crew> findNearbyCrews(double lat, double lng, double radiusKm) { GeoResults<RedisGeoCommands.GeoLocation<String>> results = redis.opsForGeo() .radius("crew:geo:" + tenantId, new Circle(new Point(lng, lat), new Distance(radiusKm, Metrics.KILOMETERS)), RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs() .includeDistance().sortAscending()); return mapToCrews(results);} |
|---|
就近只是初筛,终排还要叠加:作业队当日产能(一天能作业几百亩)、设备药箱容量与作物适配(果树与小麦的喷洒参数不同)、电池与补给点位置。排程结果给农户一个预约确认("预计 11 月 8 日前后作业,前一天电话确认")——农时不答应精确到小时,排程系统要诚实地把模糊性传达给用户,而不是给一个注定跳票的精确时间。
气象延迟(WEATHER_HOLD)是最高频的状态转换:当日风速超阈值(通常 >5.4 m/s 停飞)或降雨概率超标,批量把当日作业单转延迟并通知农户。风速数据建议接入气象服务自动拉取,不要依赖飞手人工判断——人工判断的历史记录就是"昨天明明能飞却没飞",客户的耐心有限。
作业结算的争议几乎都出在"飞了多少亩"上。设备侧的飞行日志(航线、架次、作业时长、喷洒流量)是第一手证据,平台按日志核算作业面积:
public List<Crew> findNearbyCrews(double lat, double lng, double radiusKm) {
GeoResults<RedisGeoCommands.GeoLocation<String>> results = redis.opsForGeo()
.radius("crew:geo:" + tenantId,
new Circle(new Point(lng, lat),
new Distance(radiusKm, Metrics.KILOMETERS)),
RedisGeoCommands.GeoRadiusCommandArgs.newGeoRadiusArgs()
.includeDistance().sortAscending());
return mapToCrews(results);
}结算流程:设备日志自动汇总 → 飞手核对(补录设备未覆盖的边角地块,人工补录必须拍照留证)→ 农户在小程序端确认面积与结果(确认后 verify_flag 置 1)→ 按确认面积结算。这个"三方对账"流程看着繁琐,实际把植保服务最常见的"飞完说多收了面积"的争议在结算前化解掉。药剂与助剂的用量同样按架次记录,药剂是农户自购还是服务方代购在订单里区分清楚——这两种模式的结算口径完全不同。
农户不用懂技术,小程序端只需要四件事:预约(圈地、选作物与防治对象、留电话)、进度(已排期/气象延迟/作业中)、确认(作业完成后看面积与照片,点确认)、历史(历年地块的作业记录——这一项积累起来有长期价值:同一地块去年打了什么药、多少量,今年用药轮换就有了依据,农资混用禁忌也能提前规避)。
植保服务平台的三个支点:地块多边形档案(面积计算精确到两位小数)、窗口期语义的排程(气象延迟为常态)、设备日志驱动的三方对账结算。青海青帝信息科技有限公司在本地农业服务数字化项目中体会最深的一点是:农村用户对"被认真对待"极其敏感——面积算得清、延迟说得明、结算不糊涂,平台口碑就在这三件朴素的事上。飞防行业正在从手工作业走向服务标准化,系统是标准化的载体,也是服务组织区别于"游击队飞手"的通行证。
工程上还有两块值得展开。一是作业安全边界:无人机作业要避开人群、高压线、禁飞区,地块多边形与禁飞区(机场净空区、军事管理区)在服务端做相交检测,预约地块命中禁飞区直接拒绝并说明;作业队出发前的安全检查单(电池状态、桨叶、天气复核)在飞手端强制逐项确认。农业植保的药液有漂移性,相邻地块是敏感作物(桑蚕、蜂箱、水产)时要在地块档案里加标注,派单时自动检测相邻地块的作物兼容性,提醒飞手提前与邻居沟通——这类"农业常识产品化"的细节,比任何算法都更能体现平台的专业度。
二是数据资产的复用:同一地块多年的作业记录、药剂使用、产量反馈积累起来,就是这块地的"植保病历"。次年续约时的方案建议(轮换药剂、剂量调整)依据病历生成,服务组织从"按亩飞一遍"升级为"按历史数据开方案",客单价与续约率都会改善。农业数字化的价值不在于飞了几架次,而在于数据能不能跨年复用。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。