드론 기반 제초제 적용: 기회와 도전

초록 정밀 농업의 발전은 제초제 적용을 위한 스프레이 드론의 개발을 촉진하였으며, 이는 현재의 적용 방법과 관련된 문제를 해결하고 잡초 관리 개선의 가능성을 제공합니다. 이 리뷰는 스프레이 드론에 대한 현재 연구를 통합하여 광범위한 사용 권장 사항을 개발하고 문제 및 지식 격차를 식별합니다. 스프레이 드론은 지상 기반 스프레이어(고용량 백팩 또는 트랙터 장착 스프레이어)보다 낮은 운반량을 사용하지만, 연구들은 비슷하거나 우수한 잡초 제어 및 제초제 비용 절감 보고합니다. 그러나 스프레이 드론의 성능은 운영 매개변수에 매우 민감하며, 스프레이 분포 및 커버리지/침착은 비행 높이와 속도, 운반량, 노즐 설계, 작물 성장 단계, 잡초 및 기상 조건에 크게 영향을 받습니다. 단일 통과 스프레이 패턴의 종형 곡선은 대부분의 스프레이 침착이 무인 항공기(UAV) 바로 아래에서 발생하게 만들며, 이미징, 원격 탐지 및 기계 학습의 발전과 결합하여 스프레이 드론의 사이트별 잡초 관리에 대한 강력한 잠재력을 보여줍니다. 식물 지수, 다중 스펙트럼 이미지, 캐노피 높이 모델 및 LiDAR(빛 탐지 및 거리 측정) 기술은 작물-잡초 구별을 가능하게 했으나, 정확도는 종, 성장 단계 및 이미지 해상도에 따라 다릅니다. 'You Only Look Once'(YOLO), 잔여 신경망(ResNet) 및 마스크 지역 기반 합성곱 신경망(Mask R-CNN)과 같은 딥러닝 모델은 잡초 탐지 및/또는 분할에서 높은 성능을 달성하지만, 훈련 데이터 품질에 의해 제한되며, 작고 겹치거나 밀접한 잡초 개체군에서의 정확성이 감소합니다. 스프레이 드론 기반 오프라인 매핑은 잡초 패치를 구분하여 상당한 제초제 절감을 가능하게 했으나, 실시간 잡초 탐지는 온보드 처리 한계, 배터리 수명 및 운영 비행 높이에서의 낮은 공간 해상도로 제한됩니다. 지상 기반 스마트 스프레이어는 더 높은 실시간 탐지 정밀도를 제공하지만, 스프레이 드론의 현장 접근성 장점이 부족합니다. 잠재력에도 불구하고 스프레이 드론은 제한된 페이로드, 목표 외 농약 이동, 짧은 배터리 수명, 규제 문제, 광범위한 라이센스 및 복잡한 소프트웨어 및 보정 요구 사항과 같은 도전에 직면해 있습니다. 스프레이 드론의 다운윈드 스프레이 드리프트 가능성은 지상 적용에 비해 더 크지만 유인 공중 적용보다는 작습니다. 업윈드 스와스 오프셋은 유인 및 스프레이 드론 장비 모두에서 민감 지역으로의 목표 외 농약 이동을 줄이기 위한 이상적인 관리 관행입니다. 향후 연구는 통합 잡초 관리 시스템 내에서 스프레이 드론을 평가하고, 선행 및 잎에 적용된 접촉 제초제, 보조제 사용, 환경 및 운영 상호작용에 집중하여 스프레이 드론 특정 가이드라인을 개발하고 스프레이 성능을 최적화해야 합니다.