1.面向农业应用的无人机自组网分簇评判方法，其特征在于，农业无人机网络可以自适应实际农业规模的变化，而本方法基于模糊综合评判的理论结合了“无人机汇聚节点与无人机节点之间的时延”和“无人机汇聚节点与无人机节点之间的距离”两个因素来进行综合评判，在农业规模发生变化时，自动进行分簇与聚簇的判断，以延长整体网络系统的使用年限，为农业主节省成本，创造更大的利益。

2.如权利要求1所述的面向农业应用的无人机自组网分簇评判方法，首先无人机网络中最初始情况下已经有G个无人机簇，每簇包含Q-1无人机节点和一个无人机汇聚节点，无人机节点从其自身的传感器中获取农业环境中的具体数据并将其转发至无人机汇聚节点中，那么总共有G个组，每组有Q-1个无人机节点，假设在该组内有Q′个节点发生了数据融合，计算推理得到每个无人机汇聚节点的需要处理的信息量进而再得到无人机汇聚节点处理时延 的优化目标

为：

再推导得到无人机汇聚节点传输时延 和发送时延 将三者加权合起来便可得到一个关于时延的优化目标。

3.如权利要求2所述的面向农业应用的无人机自组网分簇评判方法，再根据时延因素和距离因素来定义时延隶属度P1(j)和距离隶属度L2(j)，然后进行模糊综合评判。

4.如权利要求3所述的面向农业应用的无人机自组网分簇评判方法，进行模糊综合评判前需要确定相应的权重，本方法先根据实际情况给出了时延隶属度P1(j)和距离隶属度L2(j)的权重矩阵(ωtime,ωdis)，然后进行模糊综合评判、根据仿真结果发现它能够综合两个因素并达到较好的仿真效果。

5.如权利要求4所述的面向农业应用的无人机自组网分簇评判方法，在具体实现步骤中，虽然说权重矩阵的值是我们根据实际情况给定的，但是还是具有一定的局限性，因此还需设计算法来确定最佳权重 具体算法做法为先通过rand()函数生成一个数据包成功发送概率p'，接着初始化n个无人机节点。当0＜p′＜0.5认为此时网络发送成功的概率较低，因此对应的隶属度函数的值较大，即根据如下：根据时间隶属度函数和距离隶属度来生成相应因素矩阵[P1(j)；L1(j)]；当p′＞0.5时认为此时网络发送成功的概率较高，因此对应的时间隶属度函数的值和距离隶属度的值是较小的，即根据如下：根据两个新的隶属度函数和距离隶属度函数来得到二者因素矩阵[P1(j)；L1(j)]；然后基于隶属度函数根据模糊综合评判方法得到B'，权重W的优劣通过B'与评价规则θ的接近度来衡量，即当 时对应的权重即为最优权重。