Банақшагирии роҳи фарогирии ҳассос ба headland-и динамикӣ равиши банақшагирии масири геометриест, ки ба ҷойи ҷудо кардани минтақаи гардиши дорои паҳноии доимӣ дар тамоми сарҳади киштзор, танҳо ба қисмҳои сарҳаде, ки хатҳои корӣ воқеан ба пайвасти гардиш ниёз доранд, минтақаи мувофиқи headland ҷудо мекунад. Дар ин таҳқиқот усул самти кор ва офсети хатро якҷоя интихоб мекунад, хатҳои кории параллелӣ месозад, хатҳои ҳамсояро бо гардишҳои U-шакли кубии Bézier мепайвандад, масофаи гардиш, хатои фарогирӣ ва нисбати headland-ро бо ECDF-midrank нормализатсия мекунад ва барои ёфтани ҳалли босифат дар фазои ҷустуҷӯи дискретӣ ва ғайриҳамвори ҳосилшуда аз оптимизатсияи эволютсияи дифференсиалӣ бо омӯзиши тақвиятӣ бо номи DQN-SHADE истифода мебарад.

Симулятсияҳои геометрии таҳқиқот дар 24 сарҳади воқеии киштзор, ки аз тасвирҳои UAV аз Changji Huaxing Farm дар минтақаи Xinjiang-и Чин гирифта шудаанд, гузаронда шудаанд. Паҳноии кори мошин 19,5 m ва радиуси минималии гардиш 5,0 m собит карда шудааст. Самти кор дар байни 0°–179,5° бо ҳалнокии 0,5° ва офсети хат аз маҷмӯи \(\{0,0.25,0.50,0.75\}\) интихоб шуда, барои ҳар як киштзор 1440 таркиби дискретии самт–офсет бо сканкунии пурра барои мақсади истинодӣ арзёбӣ шудааст.

Дар муқоисаи шаш алгоритми стохастикии оптимизатсия бо буҷети баробари арзёбии номзадҳо DQN-SHADE бо миёнаи \(S_{total}=0.9582\), gap-и миёна нисбат ба оптимуми истинодӣ \(=0.0034\) ва \(SR_{5\times10^{-3}}=80.83\%\) беҳтарин нишондиҳандаи асосии ҷустуҷӯро нишон додааст. Барои SHADE-6 gap-и миёна 0,0044 ва сатҳи муваффақият %76,25; барои DE-и классикӣ gap 0,0053 ва сатҳи муваффақият %71,94 будааст.

Ҷудокунии динамикии headland нисбат ба равиши headland-и собити тамоми сарҳад нисбати миёнаи headland-ро аз %13,30 то %7,52 коҳиш дода, нисбати майдони кории ҳифзшударо аз %86,67 то %92,48 зиёд кардааст ва барои ҳар киштзор ба ҳисоби миёна 16.378,23 m² майдони иловагии пайвастаи корӣ фароҳам овардааст. Нисбати миёнаи фарогирии геометрӣ дар сатҳи %98,16 нигоҳ дошта шудааст. Дар муқобил, масофаи миёнаи мутлақи гардиш аз 1304,53 m то 1371,89 m афзудааст. Бинобар ин, усул ҳамаи метрикаҳоро ҳамзамон беҳтар намекунад; дар ивази майдони бештари истифодашавандаи киштзор, роҳи умумии гардишро каме дарозтар мекунад.

Ин натиҷаҳо рондани воқеии воситаи нақлиёт ё самаранокии воқеии пошиш нестанд. Фарогирӣ аз минтақаҳои буферии геометрии дорои паҳноии 19,5 m дар атрофи хатҳои корӣ ҳисоб шудааст; тақсимоти қатраҳои пошиш, дрейфи шамол, динамикаи boom, хатогиҳои воқеии пайгирии роҳ ва масрафи воқеии сӯзишворӣ симулятсия ё чен карда нашудаанд. Аз ин рӯ, хулосаи манбаъ ин аст, ки усул дар шароити симулятсияи геометрии арзёбишуда истифодаи майдони киштзор ва сифати масирро беҳтар мекунад.

Чаро масъалаи таҳқиқот танҳо “ёфтани роҳи кӯтоҳтарин” нест?

Дар мошинҳои рӯйизаминии ҳифзи растанӣ банақшагирии роҳи фарогирӣ ҳамзамон коркарди то ҳадди имкон пурраи минтақаи ҳадаф, кам кардани такрори нолозими байни хатҳо, пешгирии берун баромадани мошин аз киштзор ва сохтани пайвастҳои физикии гардишпазир байни хатҳои ҳамсояро талаб мекунад.

Дар киштзори номунтазам ҳангоми тағйир ёфтани самти кор танҳо самти хатҳо тағйир намеёбад. Шумораи хатҳо, он ки нӯги хатҳо ба кадом сарҳади киштзор мерасанд, гардишҳо дар кадом сарҳад бояд анҷом дода шаванд ва барои гардиш чӣ қадар майдон бояд ҷудо шавад, низ тағйир меёбанд. Офсети ибтидоии хатҳо низ метавонад ба минтақаҳои аз дастрафта ва такроршаванда таъсир расонад.

Аз ин рӯ, манбаъ самти кор, офсети хат, минтақаи headland ва гардишҳои U-шаклро на ҳамчун масъалаҳои пайдарпайи мустақил, балки ҳамчун системаи геометрии ба ҳам вобаста баррасӣ мекунад.

Headland-и Динамикӣ Чист ва Аз Headland-и Собит Чӣ Фарқ Дорад?

Headland-и динамикӣ ба ҷойи додани як буфери якхелаи гардиш ба тамоми сарҳади киштзор, танҳо ба қисмҳои сарҳаде, ки хатҳои кории ҳамсоя воқеан пайвасти гардиш месозанд, мувофиқи кунҷи байни самти кор ва самти сарҳад минтақаи headland ҷудо мекунад; ба ин тарз майдони нолозими ғайрикорӣ дар канорҳое, ки гардиш анҷом намешавад, метавонад кам карда шавад.

Паҳноии headland-и собит

Паҳноии headland-и собити тамоми сарҳад дар манбаъ:

\[ W_{hfix}=2R_{min}+\alpha W \]

муайян шудааст.

Дар ин ҷо \(R_{min}\) радиуси минималии гардиш, \(W\) паҳноии кори мошин ва \(\alpha\) коэффисиенти захираи бехатарӣ мебошад. Дар таҷрибаҳои асосӣ:

• \(R_{min}=5.0\,m\)
• \(W=19.5\,m\)
• \(\alpha=0.25\)

истифода шудааст. \(2R_{min}\) минтақаи асосии гардишро, \(\alpha W\) бошад захираи иловагии бехатариро, ки ба паҳноии кор мутаносиб аст, ифода мекунад.

Муносибати самти кор ва самти сарҳад

Агар самти як қисми сарҳад \(\theta_i\) ва самти кор \(\theta\) бошад, кунҷи нисбии даврии 180° байни онҳо:

\[ \phi_i=\min\left(|\theta_i-\theta|,\;180^\circ-|\theta_i-\theta|\right), \qquad \phi_i\in[0^\circ,90^\circ] \]

ҳисоб карда мешавад.

Паҳноии номзад барои headland-и динамикӣ:

\[ \widetilde{W}_{h,i}=2R_{min}+\alpha W|\sin\phi_i| \]

мебошад. Ҷузъи \(|\sin\phi_i|\) барои миқёсгузории талаботи минтақаи гардиши паҳлӯии сарҳад нисбат ба хати кор истифода мешавад.

Аммо манбаъ ин паҳноиро ба ҳар як сегменти сарҳад ба таври худкор татбиқ намекунад. Он ки сарҳад воқеан пайвасти гардиши байни хатҳоро дар бар мегирад ё не, алоҳида муайян мешавад:

\[ W_{h,i}^{DH}= \begin{cases} \widetilde{W}_{h,i}, & q_i(\theta,\delta)=1\\ 0, & q_i(\theta,\delta)=0 \end{cases} \]

\(q_i(\theta,\delta)\) нишондиҳандаи дуӣ мебошад, ки нишон медиҳад сарҳади дахлдор талаботи гардиш дорад ё не. Агар нӯги хатҳо ба ҳамсоягии сарҳад дар ҳудуди тақрибан як паҳноии корӣ афтанд ва пайвасти гардиши хатҳои ҳамсояро ташкил диҳанд, сарҳад барои гардиш ҳисобида мешавад.

Самти кор ва офсети хат чӣ гуна интихоб мешаванд?

Ҳалли номзад:

\[ X=[\theta,\widetilde{\delta}] \]

муайян карда мешавад. \(\theta\) самти кор буда, байни 0° ва 180° қарор дорад. Офсети хат ҳангоми сохтани масири воқеӣ аз маҷмӯи дискретӣ интихоб мешавад:

\[ C_\delta=\{0,\;0.25,\;0.50,\;0.75\} \]

Ҷойивазкунии воқеии паҳлӯии хат:

\[ d=\delta W \]

ҳисоб мешавад. Азбаски \(W=19,5\,m\), чор варианти офсет марҳилаҳои ибтидоии гуногуни ҳамон паҳноии кориро ифода мекунанд.

Самти кор низ бо ҳалнокии 0,5° ба:

\[ \Theta=\{0^\circ,0.5^\circ,\ldots,179.5^\circ\} \]

маҷмӯъ мувофиқ карда мешавад. Ҳамин тавр 360 самт × 4 офсет = 1440 таркиби номзади масир ба вуҷуд меояд.

Гардиши U-шакли Bézier чӣ гуна сохта мешавад?

Гардиши байни хатҳои кории ҳамсоя аз се қисм иборат аст: хати рости баромад, гардиши U-шакли кубии Bézier ва хати рости воридшавӣ.

Каҷии кубии Bézier:

\[ B(t)=(1-t)^3P_0+3(1-t)^2tP_1+3(1-t)t^2P_2+t^3P_3, \qquad t\in[0,1] \]

мебошад. \(P_0\) ва \(P_3\) нуқтаҳои оғоз ва анҷоми гардишанд. Нуқтаҳои идоракунии \(P_1\) ва \(P_2\) тавре сохта мешаванд, ки каҷӣ дар ҳар ду нӯг ба самти хатҳои корӣ тангенсӣ бошад.

Ҳар гардиши Bézier бо 64 нуқтаи намунавӣ арзёбӣ мешавад. Ин нуқтаҳо барои ҳисоб кардани дарозии гардиш, санҷиши радиуси минималии гардиш ва санҷидани он ки масир дар дохили минтақаи headland-и ҷудошуда мемонад ё не, истифода мешаванд.

Дарозии як гардиш:

\[ L_{turn,j}=l_{out,j}+L_{B,j}+l_{in,j} \]

ва масофаи умумии гардиши тамоми масир:

\[ D_{turn}=\sum_{j=1}^{N_s-1}L_{turn,j} \]

мебошад. \(N_s\) шумораи хатҳои кории эътиборнок аст.

Сифати фарогирӣ чӣ гуна чен карда мешавад?

Минтақаи банақшагирифташудаи пошиш ҳамчун иттиҳоди буферҳои геометрӣ бо паҳноии умумии \(W\) дар атрофи хатҳои марказии хатҳои корӣ муайян шудааст.

Хатои фарогирӣ:

\[ E_{cov}=r_{miss}+r_{overlap}+r_{out} \]

ҳисоб мешавад. Дар ин ҷо:

• \(r_{miss}\): қисми фаро гирифта нашудаи минтақаи кории ҳадаф,
• \(r_{overlap}\): қисми зиёда аз як маротиба фаро гирифташуда,
• \(r_{out}\): қисми фарогирии банақшагирифташуда, ки берун аз киштзор мебарояд.

Ин метрика зичии воқеии қатраҳоро чен намекунад. Таҳқиқот ба таври равшан мегӯяд, ки дрейфи шамол, тақсимоти пошиш ва динамикаи boom моделсозӣ нашудаанд.

Нисбати headland чиро чен мекунад?

\[ H_{head}=\frac{A_{head}}{A_{field}} \]

\(A_{head}\) минтақаи headland ва \(A_{field}\) майдони умумии киштзорро нишон медиҳад. Қимати пасттар маънои онро дорад, ки қисми бештари киштзор ҳамчун минтақаи кори пайваста нигоҳ дошта мешавад.

Чаро ECDF-Midrank Истифода Мешавад?

ECDF-midrank меъёрҳои хароҷотро, ба монанди масофаи гардиш бо метр, хатои бебуъдии фарогирӣ ва нисбати headland, ки дар миқёс ва воҳидҳои гуногунанд, мувофиқи тақсимоти номзадҳои ҳар киштзор ба холҳои нисбии бебуъдии сифат табдил медиҳад ва имкон медиҳад, ки киштзорҳои калон ва хурд бо мантиқи якхелаи холи таркибӣ муқоиса шаванд.

Барои метрикаи хароҷоти \(z\):

\[ ECDF^{mid}_f(z)= \frac{n_{<,f}(z)+\frac{1}{2}n_{=,f}(z)} {n_f} \]

ҳисоб карда мешавад.

Дар ин ҷо \(n_{<,f}\) шумораи номзадҳоро бо қимати аз \(z\) хурд; \(n_{=,f}\) шумораи номзадҳоро бо қимати якхела; \(n_f\) бошад шумораи умумии номзадҳои истинодии он киштзорро нишон медиҳад.

Меъёрҳои ба хароҷот асосёфта сипас ба:

\[ S_{turn}=1-ECDF^{mid}_f(D_{turn}) \]

\[ S_{cov}=1-ECDF^{mid}_f(E_{cov}) \]

\[ S_{head}=1-ECDF^{mid}_f(H_{head}) \]

шакли холи сифат табдил дода мешаванд. Ҳамин тавр, хароҷоти камтар холи баландтар медиҳад.

Арзёбии таркибӣ:

\[ S_{total}=w_1S_{turn}+w_2S_{cov}+w_3S_{head} \]

ва:

\[ w_1+w_2+w_3=1 \]

бо ин шарт сохта шудааст. Дар таҷрибаи асосӣ:

• \(w_1=0.15\) — масофаи гардиш,
• \(w_2=0.75\) — сифати фарогирӣ,
• \(w_3=0.10\) — нисбати headland.

Додани вазни бештар ба сифати фарогирӣ инъикос мекунад, ки дар амалиёти ҳифзи растанӣ геометрияи пошиши нопурра, такроршаванда ва берун аз киштзор афзалиятнок дониста мешавад.

DQN-SHADE Чӣ Кор Мекунад?

DQN-SHADE механизми гибридии оптимизатсия мебошад, ки рафторҳои мутация ва ҷустуҷӯи ҷустуҷӯгари эволютсияи дифференсиалии SHADE-6-ро ҳангоми рукуди ҳолати оптимизатсия бо амалҳои сатҳи болоии интихобшуда аз ҷониби Double Dueling DQN идора мекунад; DQN масири киштзорро мустақиман намекашад, балки интихоб мекунад, ки кадом рафтори ҷустуҷӯ истифода шавад, ва масири геометрӣ дар модули ҷудогонаи детерминистӣ сохта мешавад.

Шаш стратегияи мутацияи SHADE-6

DQN кай фаъол мешавад?

Агар холи глобалии беҳтарини \(S_{total}\) дар тӯли 10 насли пайдарпай беҳтар нашавад, DQN фаъол мешавад. Дар ғайри ин ҳолат, рафтори пешфарзи SHADE-6 идома меёбад.

Вуруди ҳолати DQN 26-андоза буда, гурӯҳҳои зерини иттилоотро дар бар мегирад:

• пешрафти ҷустуҷӯ,
• омори холҳои популятсия,
• гуногунии самти кор ва офсет,
• амалишавии геометрӣ,
• беҳбудии охирини оптимум,
• навсозиҳои муваффақ,
• таърихи параметрҳои SHADE,
• сатҳҳои муваффақияти стратегияҳо,
• холҳои зерҳадафии номзади беҳтарини ҷорӣ.

DQN ҳафт амали сатҳи боло дорад:

Ҳангоми тест сиёсати ε-greedy бо \(\varepsilon=0.05\) истифода шудааст.

Мукофоти омӯзиши DQN

Мукофоти онлайн дар марҳилаи омӯзиши сиёсат:

\[ r_g=\Delta S_{best,g}+\Delta\bar{S}_g+p_{succ,g} \]

мебошад. Дар ин ҷо \(\Delta S_{best,g}\) беҳбудии мусбат дар холи беҳтарини ҷорӣ, \(\Delta\bar{S}_g\) беҳбудии мусбат дар миёнаи популятсия ва \(p_{succ,g}\) нисбати фардҳое, ки дар он насл бомуваффақият навсозӣ шудаанд, мебошад.

Муҳим аст, ки ин мукофот оптимуми истинодиро истифода намекунад. Оптимуми истинодӣ танҳо барои чен кардани қимати gap дар натиҷаи тест истифода мешавад.

Усул ва Натиҷаҳои Таҳқиқот

Маълумоти киштзор

Минтақаи таҳқиқот Changji Huaxing Farm дар минтақаи Xinjiang-и Чин буда, тақрибан дар координатҳои 44,22° N, 87,29° E ҷойгир аст. Тасвирҳои UAV дар давраи Май–Июн 2025 бо истифода аз DJI Mavic 3 дар баландии парвози 110 m ва суръати парвози 15 m/s ҷамъоварӣ шудаанд.

Дар оғоз 26 полигони сарҳадӣ гирифта шуда; минтақаҳои рақами 6 ва 24, ки минтақаи амалиёти кишоварзӣ набуданд, хориҷ карда шудаанд. Дар таҳлили ниҳоӣ 24 киштзор истифода шудааст. Майдони умумӣ тақрибан 887,94 ha ва майдони киштзорҳои алоҳида 4,85–89,10 ha мебошад.

Координатҳо аз WGS84 ба UTM Zone 45N, EPSG:32645 табдил дода шудаанд. Ҳамаи ҳисобҳои геометрӣ дар полигонҳои векторӣ анҷом дода шудаанд.

Параметрҳои мошин

Барои ҳар алгоритм 24 киштзор × 30 тести мустақил = 720 кор арзёбӣ шудааст. Барои пешгирии pseudoreplication дар тестҳои оморӣ аввал 30 такрори ҳамон алгоритм дар як киштзор миёна гирифта шуда, миёнаи 24 киштзор ҳамчун блоки ҷуфтшуда истифода шудааст.

Ҷудокунии омӯзиш/тести DQN

Таҳқиқот cross-validation-и панҷқабата дар сатҳи киштзорро истифода кардааст. 24 киштзор ба панҷ зермаҷмӯи ҷудо тақсим шуда, дар ҳар fold DQN танҳо дар киштзорҳои омӯзишӣ навсозӣ шудааст. Пас аз омӯзиш параметрҳои шабака ях карда шуда, дар киштзорҳои held-out бо 30 random seed тест гузаронда шудааст.

Ин ҷудокунии муҳим аст; киштзорҳои тестӣ ба навсозии вазнҳои сиёсати DQN дохил нашудаанд.

Оптимуми истинодӣ чӣ маъно дорад?

Қимати “reference optimum” дар таҳқиқот оптимуми глобалии исботшудаи фазои муттасили математикӣ нест. Он беҳтарин масирест, ки дар натиҷаи сканкунии пурраи фазои дискретии 1440 номзад бо ҳалнокии самти 0,5° ва чор офсет ёфт шудааст.

Фосилаи алгоритм аз оптимум:

\[ gap_f(X)=S_{total}(X_f^*)-S_{total}(X) \]

муайян карда мешавад. \(X_f^*\) беҳтарин ҳалли истинодӣ байни 1440 номзад барои он киштзор аст.

Метрикаи муваффақият \(SR_{5\times10^{-3}}\) нишон медиҳад, ки чӣ қадар аз тестҳои мустақил:

\[ gap\leq5\times10^{-3} \]

шартро иҷро мекунанд.

Масирҳои геометрии истинодӣ-оптималӣ

Дар масирҳои дискретии истинодӣ-оптималии headland-и динамикии 24 киштзор:

Самтҳои оптималии кор аз 2° то 171° тағйир ёфтаанд. Ин диапазони васеъ дастгирӣ мекунад, ки як қоидаи ягонаи самти собит барои ҳамаи геометрияҳои киштзор мувофиқ нест.

Муқоисаи шаш алгоритми оптимизатсия

Тести Friedman дар миёнаҳои 24 киштзор фарқи умумии назаррас байни алгоритмҳоро нишон додааст:

\[ \chi^2=50.820,\qquad p=9.42\times10^{-10} \]

Ҳамаи панҷ муқоисаи ҷуфтии Wilcoxon бо DQN-SHADE пас аз ислоҳи Holm низ назаррас боқӣ мондаанд. Барои муқоисаи DQN-SHADE ва SHADE-6 \(W=20\) ва \(p=0.00557\)-и ислоҳшуда мебошад.

Наздикшавии DQN-SHADE ва SHADE-6

Дар 20 насли аввал SHADE-6 қимати gap-и каме пасттар дорад. Бартарии DQN-SHADE дар марҳилаҳои баъдии ҷустуҷӯ пайдо шудааст. Аз ин рӯ, тибқи шарҳи таҳқиқот, саҳми асосии ҷузъи DQN на суръати оғоз, балки қобилияти тағйир додани рафтор ҳангоми рукуди ҷустуҷӯ мебошад.

Оё DQN-SHADE тезтар аст?

Умуман, не. Манбаъ саҳми DQN-SHADE-ро на суръати ҳисоббарорӣ, балки устувории ҷустуҷӯ шарҳ медиҳад.

Вақти умумии омӯзиши сиёсати DQN барои панҷ fold 841,52 сония, яъне тақрибан 14,03 дақиқа мебошад. Бо дарназардошти ин хароҷоти иловагии якдафъаи омӯзиш, усул “алгоритми тезтарин” нест.

Муқоисаи headland-и динамикӣ ва собит

Барои коҳиши нисбати headland ва афзоиши майдони кории ҳифзшуда тестҳои ҷуфтшудаи Wilcoxon пас аз ислоҳи Holm:

\[ p_{adj}=2.38\times10^{-7} \]

қимат доданд.

Дар ин ҷо созиши муҳим масофаи мутлақи гардиш аст. Дар усули динамикӣ, азбаски майдони корӣ васеъ шуда, нӯги хатҳо тағйир ёфтаанд, масофаи умумии гардиш тақрибан %5,16 зиёд шудааст. Бо вуҷуди ин, зичии масир ва пешгӯии сӯзишворӣ, ки ба майдони калонтари ҳифзшуда нормализатсия шудаанд, кам шудаанд.

Оё масрафи сӯзишворӣ чен карда шудааст?

Не. Қимати сӯзишворӣ ченаки воқеии сӯзишвории трактор нест. Таҳқиқот моделеро истифода кардааст, ки аз геометрияи масир бо фарзияҳои қувваи муҳаррики 62,5 kW, масрафи махсуси сӯзишвории 242 g/kWh, суръати кори 6,0 km/h ва суръати гардиши 3,0 km/h ҳисоб шудааст:

\[ M_{fuel}= \frac{P_r b_f}{1000} \left( \frac{L_{work}/1000}{v_{work}} + \frac{D_{turn}/1000}{v_{turn}} \right) \]

Нишебии замин, муқовимати хок, бори воқеии муҳаррик ё динамикаи мошин бевосита ба ин ҳисоб дохил нашудаанд. Бинобар ин, фарқи байни 1,54 kg/ha ва 1,56 kg/ha муқоисаи нисбӣ дар доираи модел аст.

Ҳассосияти коэффисиенти бехатарии headland

Фарқи умумӣ байни се танзим назаррас аст: Friedman \(\chi^2=36.083\), \(p=1.46\times10^{-8}\). \(\alpha=0.10\) аз 0,25 ба таври назаррас бадтар аст; фарқи байни 0,25 ва 0,50 пас аз ислоҳи Holm назаррас нест. Манбаъ 0,25-ро на ҳамчун оптимуми универсалӣ, балки ҳамчун интихоби мутавозин байни истифодаи майдон ва амалишавии геометрӣ дар доираи санҷидашуда шарҳ медиҳад.

Агар ҳалнокии офсет боз ҳам зиёд карда шавад, чӣ мешавад?

Маҷмӯаҳои офсети хат бо ду, чор ва ҳашт сатҳ муқоиса шудаанд. Ҳашт сатҳ миёнаи \(S_{total}\)-ро то 0,9144 баланд кардааст, дар ҳоле ки танзими асосии чорсатҳӣ 0,9057 мебошад. Аммо ҳашт сатҳ нисбат ба чор сатҳ майдони ҳифзшударо ба ҳисоби миёна танҳо 197,93 m², яъне тақрибан %0,058 зиёд карда, нисбати фарогириро танҳо 0,063 банди фоизӣ баланд кардааст; дар иваз шумораи номзадҳоро ду баробар кардааст.

Дар шабакаи пурраи самти 0,5° интихоби чорсатҳӣ 1440 номзад, интихоби ҳаштсатҳӣ 2880 номзад талаб мекунад. Аз ин рӯ, таҳқиқот чор офсетро ҳамчун тавозуни ҳалнокӣ–хароҷоти ҳисоббарорӣ истифода кардааст.

Ҳассосияти гиперпараметрҳои DQN

Ҳассосияти сиёсати DQN ба суръати омӯзиш нисбат ба discount factor баландтар аст. Бо танзими асосии \(2.5\times10^{-4}\) gap-и миёна 0,003365 ва муваффақият %80,83 будааст, дар ҳоле ки бо суръати пасттари омӯзиши санҷидашуда \(1.0\times10^{-4}\) gap 0,002426 ва муваффақият %86,39 будааст.

Ин натиҷа муҳим аст: танзими асосии DQN-SHADE дар мақола беҳтарин натиҷа дар байни ҳамаи гиперпараметрҳои санҷидашуда нест. Муқоисаи асосӣ бо танзими пешакӣ муайяншуда гузаронда шудааст ва таҳлили ҳассосият нишон додааст, ки суръати омӯзиши пасттар метавонад натиҷаи беҳтар диҳад.

Оё Муваффақияти %100 Дар Ду Геометрияи Нави Киштзор Маънои Умумисозии Универсалӣ Дорад?

Не. Гарчанде DQN-SHADE дар ду геометрияи stress-test-и берун аз омӯзиш дар ҳамаи иҷроҳо \(SR_{5\times10^{-3}}=100\%\) гирифтааст, SHADE-6 низ ба ҳамон %100 муваффақият расидааст; манбаъ равшан мегӯяд, ки танҳо ду геометрияи сунъии stress санҷида шудаанд ва ин натиҷаро ҳамчун умумисозии универсалӣ ё бартарии умумии DQN-SHADE шарҳ намедиҳад.

Нисбати дарозӣ ба паҳноии геометрияи якуми тестӣ 7,24 аст; дар 24 киштзори аслӣ қимати максималӣ 3,40 мебошад. Геометрияи дуюм 11 кунҷи re-entrant дорад, дар ҳоле ки дар киштзорҳои аслӣ максимум чорто буд.

Хусусан дар геометрияи дорои шумораи зиёди кунҷҳои дарунхамида, танҳо %40,56 будани номзадҳои амалишаванда нишон медиҳад, ки сарҳадҳои мураккаб метавонанд қисми калони фазои ҷустуҷӯро аз ҷиҳати геометрӣ беэътибор гардонанд.

Тести CEC2022 чиро нишон медиҳад?

Муҳаққиқон рафтори стандартии оптимизатсияи муттасили DQN-SHADE-ро инчунин дар 12 функсияи CEC2022 арзёбӣ кардаанд. DQN-SHADE бо миёнаи \(\log_{10}(\Delta f)=1.72\pm2.41\) ва ҷойи миёнаи 2,42 дар байни шаш алгоритм беҳтарин миёнаи умумиро додааст.

Аммо функсияҳои CEC2022 clipping-и сарҳади киштзор, headland-и динамикӣ, нӯги хатҳо ё амалишавии гардишро дар бар намегиранд. Аз ин рӯ, манбаъ CEC2022-ро танҳо ҳамчун тести иловагии оптимизатсия истифода мебарад; далели асосии муваффақияти CPP-и кишоварзӣ таҷрибаҳои геометрӣ дар сарҳадҳои воқеӣ мебошанд.

Ҷиҳатҳои қавии таҳқиқот

• Ҷудокунии headland-ро аз интихоби самти кор ва офсети хат мустақил намебинад.
• Аз 24 сарҳади воқеии киштзор истифода мебарад.
• Киштзорҳои омӯзиш ва тести DQN-ро бо сохтори панҷқабатаи field-disjoint ҷудо мекунад.
• Шаш алгоритми оптимизатсияро зери як буҷети арзёбии номзад ва як банақшагири геометрӣ муқоиса мекунад.
• Дар муқоисаи алгоритмҳо ба ҷойи он ки 30 такрорро мустақиман ҳамчун намунаҳои мустақил ҳисоб кунад, аввал дар сатҳи киштзор миёна мегирад ва хатари pseudoreplication-ро кам мекунад.
• Самаранокӣ на танҳо бо холи таркибӣ, балки бо фарогирӣ, гардиш, шумораи гардиш ва сӯзишвории моделӣ низ гузориш шудааст.
• Созиши байни фоидаи headland-и динамикӣ ва афзоиши масофаи мутлақи гардиш пинҳон карда нашудааст.
• Таҳлилҳои ҳассосият барои коэффисиенти бехатарӣ, ҳалнокии офсет ва гиперпараметрҳои DQN анҷом дода шудаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Ҷудокунии динамикии headland дар геометрияҳои арзёбишудаи киштзор минтақаи нолозими ғайрикории сарҳадро кам кардааст.
• Дар 24 киштзор нисбати миёнаи headland аз %13,30 то %7,52 коҳиш ёфтааст.
• Майдони кории ҳифзшуда барои ҳар киштзор ба ҳисоби миёна 16.378,23 m² афзудааст.
• Фарогирии миёнаи геометрӣ аз %98 боло нигоҳ дошта шудааст.
• DQN-SHADE бо ҳамон буҷети арзёбӣ нисбат ба панҷ baseline-и стохастикии санҷидашуда mean gap-и пасттар ва threshold success rate-и баландтар ба даст овардааст.
• Бартарии DQN-SHADE махсусан дар наслҳои баъдии ҷустуҷӯ пайдо шудааст.
• Headland-и динамикӣ масофаи мутлақи гардишро каме зиёд карда бошад ҳам, зичии масири ба майдон нормализатсияшуда ва масрафи сӯзишвории моделиро кам кардааст.
• Дар ду stress-test-и геометрии берун аз омӯзиш сиёсати яхкардашудаи DQN бе омӯзиши такрорӣ масирҳои амалишаванда сохтааст.

Натиҷаҳо ва маҳдудиятҳое, ки таҳқиқот дастгирӣ намекунад

• Пайгирии масир дар таҷрибаи саҳроӣ бо трактор ё мошини воқеии пошанда тасдиқ нашудааст.
• Масрафи воқеии сӯзишворӣ чен нашудааст.
• Депозитсияи воқеии пошиш ё якнавохтии қатраҳо чен нашудааст.
• Дрейфи шамол ва динамикаи boom дар модели фарогирӣ нест.
• Нишебии замин ва хусусиятҳои хок ба модели сӯзишворӣ дохил нашудаанд.
• Дарахт, сутуни барқ, ҷазира ё дигар монеаҳои дохили киштзор моделсозӣ нашудаанд.
• Модел танҳо полигонҳои сарҳади беруниро истифода мебарад.
• Офсети хат муттасил нест, балки дар чор сатҳи дискретӣ аст.
• “Reference optimum” оптимуми глобалии математикии фазои муттасили қарор нест, балки оптимуми фазои дискретии 1440 номзад аст.
• Миқёси ECDF-midrank барои киштзори нав ба offline exhaustive enumeration такя мекунад; усул ҳанӯз сарфаи пурраи end-to-end-и ҳисоббарории онлайнро бидуни сканкунии истинодӣ нишон намедиҳад.
• Ду геометрияи stress-test далели умумисозии универсалии геометрӣ нест.
• Сатҳи муваффақияти DQN-SHADE дар ду геометрияи stress аз SHADE-6 баландтар нест; ҳарду ба %100 расидаанд.
• Суръати асосии омӯзиши DQN беҳтарин суръати омӯзиш дар тести ҳассосият нест.

Таҳқиқоти оянда

Манбаъ дар марҳилаи оянда симулятсияи динамикаи воситаи нақлиёти дақиқи баланд, тестҳои hardware-in-the-loop ва таҷрибаҳои воқеии воситаи нақлиёт дар киштзорро ба нақша мегирад. Махсусан хатои пайгирии роҳ, вақти воқеии амалиёт, масрафи сӯзишвории ченшуда дар шароити гуногуни хок ва релеф, самаранокии гардиш ва якнавохтии spray-deposition бояд тасдиқ карда шаванд.

Инчунин васеъ кардани фазои корӣ ба офсети муттасили хат, интихоби нуқтаи вуруд, навъҳои гуногуни гардиш, монеаҳои дохилӣ ва ҳамоҳангсозии чандмошина тавсия мешавад. Сенсорҳои депозитсияи қатра, моделҳои spray-width overlap ва wind-drift низ метавонанд ҷузъҳои оянда бошанд, ки метрикаи геометрии coverage-ро ба самаранокии воқеии пошиш мепайванданд.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Dynamic-Headland-Aware Coverage Path Planning for Ground-Based Plant Protection Operations in Irregular Fields Using DQN-SHADE.

Муаллифон: Tuo Sun, Xiaoyi Liu, Zhixin Yao, Taihong Zhang ва Yanlin Xin.

Муаллифони масъул: Zhixin Yao ва Taihong Zhang.

Муассисаҳо: College of Computer and Information Engineering, Xinjiang Agricultural University; Xinjiang Agricultural Informatization Engineering Technology Research Center; Research Center for Intelligent Agriculture, Ministry of Education Engineering, Urumqi, China.

Маҷалла: Agriculture.

Ношир: MDPI.

Ҷилд / шумора / мақола: 16(17), 1919.

DOI: 10.3390/agriculture16171919.

Ирсол: 14 Июл 2026.

Таҳрир: 23 Август 2026.

Қабул: 28 Август 2026.

Нашр: 4 Сентябр 2026.

Навъи манбаъ: Мақолаи таҳқиқотии тақризшуда.

Литсензия: Creative Commons Attribution (CC BY).

Навъи таҳқиқот: Симулятсияи геометрии CPP дар сарҳадҳои воқеии аз UAV гирифташудаи киштзор ва муқоисаи алгоритмҳои оптимизатсия.

Ҷамъоварии маълумоти UAV: DJI Mavic 3; баландии парвоз 110 m; суръат 15 m/s; Май–Июн 2025.

Шумораи киштзорҳо: Маълумоти хом 26 минтақа; пас аз хориҷ кардани минтақаҳои ғайриамалиётии рақами 6 ва 24, 24 киштзор.

Майдони умумӣ: Тақрибан 887,94 ha.

Майдони як киштзор: 4,85–89,10 ha.

Системаи координат: WGS84 → UTM Zone 45N, EPSG:32645.

Модели мошин: Дар сатҳи геометрӣ паҳноии кор 19,5 m ва радиуси минималии гардиш 5,0 m.

Алгоритмҳо: DQN-SHADE, DE, SHADE-6, PSO, GA ва HHO.

Нармафзор: Python 3.9.13; модули DQN — PyTorch 2.8.0.

Сахтафзор: AMD Ryzen 7 7735H, 16 GB RAM, Windows 11.

Сохтори DQN: Double Dueling DQN; state-и 26-андоза; ҳафт action; суръати асосии омӯзиш \(2.5\times10^{-4}\); \(\gamma=0.99\); batch 32; replay buffer 10.000; test ε=0,05.

Cross-validation: Сохтори панҷқабатаи омӯзиш/тести field-disjoint.

Омор: Тести Friedman; тестҳои ҷуфтшудаи Wilcoxon signed-rank бо DQN-SHADE ҳамчун назорат; ислоҳи муқоисаи чандкаратаи Holm.

Модели сӯзишворӣ: Қимати пешбинишудаи модел, ки аз дарозии масир ҳисоб шудааст. Ченаки воқеии сенсории сӯзишворӣ нест.

Маблағгузорӣ: Provincial Key S&T Program of Xinjiang, grant 2022A02011; National Key R&D Program of China, grant 2022ZD0115805; Master’s Student Research Innovation Project of Xinjiang Agricultural University, grant XJAUGRI2026023.

Дастрасии маълумот: Маълумотро аз муаллифи масъул бо дархости асоснок гирифтан мумкин аст.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Этика: Institutional Review Board ва informed consent татбиқшаванда нестанд.

Саҳми муаллифон: Консептуализатсия Tuo Sun ва Zhixin Yao; методология ва нармафзор Tuo Sun; тасдиқ Tuo Sun, Zhixin Yao ва Taihong Zhang; таҳлили формалӣ Tuo Sun; таҳқиқот Tuo Sun, Xiaoyi Liu ва Yanlin Xin; куратсияи маълумот Tuo Sun ва Zhixin Yao; тарҳи аввал Tuo Sun; бозбинӣ/таҳрир Tuo Sun, Zhixin Yao ва Taihong Zhang; визуализатсия Tuo Sun; роҳбарӣ, идоракунии лоиҳа ва ба даст овардани маблағгузорӣ Zhixin Yao ва Taihong Zhang.

Маҳдудияти асосии методологӣ: Гарчанде таҳқиқот сарҳадҳои воқеии киштзорро истифода мебарад, натиҷаҳо симулятсияи геометрӣ мебошанд. Самаранокии воқеии пайгирии роҳ, сӯзишвории ченшуда, таъсири хок/релеф ва spray deposition-и воқеӣ ҳанӯз бо таҷрибаи саҳроӣ тасдиқ нашудаанд.

Маҳдудияти ECDF-midrank: Миқёси арзёбӣ барои ҳар киштзор бо offline exhaustive enumeration калибр карда мешавад. Аз ин рӯ, системаи ҷорӣ барои киштзори нав бидуни сканкунии истинодӣ бартарии ҳисоббарории end-to-end-ро нишон намедиҳад.