在水稻的生长过程中由于种植不均匀和施肥不合理等人为因素,或虫害、台风和洪涝等自然灾害因素导致植物坏死,部分作业区域的水稻覆盖度很低,在植保无人机作业过程中若对此区域进行施药,则会造成农药的浪费,且传统植保无人机在启制动和转向过程中会由于飞行速度的改变而造成喷雾不均匀以及农药利用率低。针对以上问题,本文设计了一种植保无人机自适应变量对靶喷雾系统,该系统可在无人机作业过程中采集飞行速度、田间图像和喷雾流量等数据,根据飞行速度进行自适应变量喷雾,计算田间图像的作物覆盖度以控制相应喷头的喷雾状态实现对靶喷雾。本文设计的植保无人机自适应变量对靶喷雾系统以Raspberry Pi 3B+为核心处理器,主要组成部分包括摄像头、风压变送器、流量传感器、微型隔膜泵、电磁阀和电动离心喷头。系统需要完成的功能包括信息的采集、信息的解析、信息的处理、喷雾决策和喷雾控制。在系统的设计过程中,主要测量了PWM控制信号频率为3Hz、6Hz、9Hz和12Hz下PWM占空比和喷雾流量之间的关系,根据系统需求建立了PWM信号频率为3Hz时,5%～80%占空比与实际喷雾流量的关系;构建了BP神经网络PID控制算法,并利用MATLAB分别对PID、模糊PID、神经元PID和BP神经网络PID 4种控制算法进行了阶跃响应、正弦跟踪和方波跟踪仿真,仿真结果表明BP神经网络PID控制算法控制效果最好,能够更好地满足无人机自适应变量喷雾系统所需的实时性和稳定性;采集了水稻图像,并手动分割进行了覆盖率的计算,将灰度化方法超绿法发、超绿超红法、标准差分指标法分别与图像分割算法灰度均值、OTSU和最大熵值相结合,在覆盖度相对误差和耗时进行的对比分析,结果表明超绿超红-最大熵值法作耗时短且误差较小。在完成系统的设计后,将本系统挂载于无人机上,分别进行了、对靶喷雾和雾滴沉积试验。变量喷雾试验结果表明本系统能根据无人机飞行速度的变化进而控制喷雾流量,实际流量与目标流量的平均偏差为8.43%,且能改善由于飞行速度造成喷雾不均匀的问题;对靶喷雾试验结果表明雾滴沉积量、雾滴个数和雾滴覆盖率在全喷、半喷和不喷区域依次减少,可减少农药的使用;雾滴沉积试验结果表明影响雾滴沉积密度的因素的主次顺序为飞行高度＞风向＞喷头电压＞喷雾压力＞飞行速度＞风向,影响喷雾均匀性的主次顺序依次为飞行速度＞风向＞飞行高度＞风速＞喷雾压力＞喷头电压。本文所搭建的系统在一定程度上能够有效改善喷雾均匀性和提高农药利用率,为农业航空变量喷雾和对靶喷雾技术的应用提供参考方向与决策支持,有助于植保无人机的发展。