基于聲信號(hào)的儲(chǔ)糧害蟲檢測(cè)方法的研究與發(fā)展

郭 敏 張麗娜，2

基于聲信號(hào)的儲(chǔ)糧害蟲檢測(cè)方法的研究與發(fā)展

郭 敏1張麗娜1，2

(陜西師范大學(xué)計(jì)算機(jī)科學(xué)學(xué)院1，西安 710062)
(寶雞文理學(xué)院計(jì)算機(jī)科學(xué)系2，寶雞 721000)

有效減少糧食產(chǎn)后損失是世界關(guān)注的熱點(diǎn)問題，與傳統(tǒng)的檢測(cè)方法相比，基于聲信號(hào)的儲(chǔ)糧害蟲檢測(cè)法憑借其環(huán)保、無損、快速、靈敏度高等優(yōu)點(diǎn)，日漸受到重視。從早期使用單一傳感器檢測(cè)糧蟲的振動(dòng)或聲信號(hào)，到使用傳感器陣列、碰撞聲發(fā)射及聲譜庫等，儲(chǔ)糧害蟲聲檢測(cè)法逐漸成熟。綜述30余年國內(nèi)外儲(chǔ)糧害蟲聲檢測(cè)法的發(fā)展歷程及研究成果，對(duì)比不同時(shí)期多種聲檢測(cè)方法的優(yōu)點(diǎn)及局限性，并提出當(dāng)前聲檢測(cè)方法的研究難點(diǎn)及今后需要解決的問題。

儲(chǔ)糧害蟲 聲檢測(cè)方法 傳感器

當(dāng)前糧食收獲后，由于儲(chǔ)存、運(yùn)輸?shù)拳h(huán)節(jié)的疏漏所致的產(chǎn)后損失已成為世界關(guān)注的熱點(diǎn)問題。聯(lián)合國糧農(nóng)組織調(diào)查數(shù)據(jù)顯示，全世界每年糧食蟲害損失5%，而中國國家糧食局調(diào)查數(shù)據(jù)顯示，中國糧食產(chǎn)后損失高達(dá)8%～10%，降低糧食產(chǎn)后損失刻不容緩。

儲(chǔ)糧害蟲的實(shí)時(shí)檢測(cè)是降低糧食產(chǎn)后損失的重要手段，目前國內(nèi)外在儲(chǔ)糧害蟲檢測(cè)領(lǐng)域有多種方法，其中聲檢測(cè)法具有環(huán)保、無損、快速、靈敏度高等特點(diǎn)。上世紀(jì)80年代至今，儲(chǔ)糧害蟲聲檢測(cè)法從最初使用一個(gè)傳感器檢測(cè)糧蟲的振動(dòng)或聲信號(hào)，發(fā)展到使用傳感器陣列、碰撞聲發(fā)射、聲譜庫及超聲檢測(cè)等方法，綜述30年間國內(nèi)外儲(chǔ)糧害蟲聲檢測(cè)法的發(fā)展歷程及研究方向。

1 儲(chǔ)糧害蟲聲檢測(cè)方法發(fā)展歷程

儲(chǔ)糧害蟲聲檢測(cè)法的原理大多是利用傳感器獲取糧倉中害蟲的活動(dòng)聲和咀嚼聲，將信號(hào)放大、濾波后，利用數(shù)字信號(hào)處理方法分析信號(hào)聲頻譜特征。早在1924年 Brain［1］利用機(jī)電設(shè)備檢測(cè)到水果中害蟲的咀嚼聲，證明了聲檢測(cè)法在農(nóng)產(chǎn)品檢測(cè)方面的可行性。1953年Adams等［2］檢測(cè)出受損糧食中害蟲的活動(dòng)聲，人們開始將聲學(xué)技術(shù)應(yīng)用于糧蟲檢測(cè)，但受當(dāng)時(shí)技術(shù)條件的限制和對(duì)昆蟲習(xí)性知識(shí)的缺乏，此項(xiàng)技術(shù)并沒有得到實(shí)際應(yīng)用。直到20世紀(jì)80年代，計(jì)算機(jī)的廣泛應(yīng)用與聲學(xué)技術(shù)的快速發(fā)展，才使儲(chǔ)糧害蟲聲檢測(cè)法的研究真正活躍起來。

1．1 儲(chǔ)糧害蟲聲檢測(cè)法應(yīng)用初期

早期的聲檢測(cè)裝置大多使用單個(gè)傳感器檢測(cè)谷物中害蟲的聲音或振動(dòng)，經(jīng)過信號(hào)處理后進(jìn)行特征分析。1987年Litzkow等［3］設(shè)計(jì)了一種檢測(cè)谷物中隱藏幼蟲的聲檢測(cè)系統(tǒng)。如圖1所示，谷物樣本置于振動(dòng)膜上，通過波導(dǎo)管將害蟲聲傳給麥克風(fēng)，同時(shí)聲音信號(hào)被轉(zhuǎn)換為電信號(hào)，經(jīng)過放大、濾波，送至示波器，喇叭或耳機(jī)監(jiān)聽，計(jì)算機(jī)統(tǒng)計(jì)并記錄結(jié)果。1988年Webb等［4］在此基礎(chǔ)上加以改進(jìn)，將谷物樣本放置于消音室，降低了噪音的干擾，并對(duì)蟲害危害程度做出初步估計(jì)。此方法通過幼蟲吃食的時(shí)間和頻率得出各種不同谷物中隱藏幼蟲的生長(zhǎng)率，是儲(chǔ)糧害蟲聲檢測(cè)法的一大進(jìn)步。但由于試驗(yàn)所用波導(dǎo)管充當(dāng)了共鳴器的角色［5］，可能使檢測(cè)到的害蟲聲音失真，影響了結(jié)果的精確度。

圖1 早期的儲(chǔ)糧害蟲聲檢測(cè)方法

1990年Litzkow等［6］設(shè)計(jì)了“檢測(cè)儲(chǔ)糧害蟲的壓電裝置”，通過監(jiān)測(cè)谷物樣本中的振動(dòng)情況檢測(cè)蟲害并估計(jì)害蟲密度。如圖2所示，探針底部安裝一個(gè)壓電麥克風(fēng)，探針插入谷物后，振動(dòng)頻率高于500 Hz時(shí)會(huì)形成電流，經(jīng)過放大、濾波，耳機(jī)監(jiān)聽并降噪錄音，隨后使用快速傅里葉變換(FFT)設(shè)備 Nicolet 660A及計(jì)算機(jī)分析對(duì)比聲音。此裝置應(yīng)用如下:(1)在高10 cm、直徑14 cm、容積為4 L的瓶子中確定9個(gè)位置，通過統(tǒng)計(jì)害蟲1 min內(nèi)分別在這些位置產(chǎn)生的振動(dòng)數(shù)量，估計(jì)害蟲密度;(2)在1個(gè)20 L的谷物罐中確定9個(gè)位置，每20 s監(jiān)聽1次，確定每個(gè)位置檢測(cè)到聲音的幾率。此方法證明谷物中的振動(dòng)數(shù)量越多幼蟲密度越大，且振動(dòng)的數(shù)量或電壓峰值與幼蟲數(shù)目呈非線性關(guān)系，出現(xiàn)非線性增長(zhǎng)可能是由于試驗(yàn)無法區(qū)分同時(shí)增加的害蟲聲音和振動(dòng)，為下一步的研究指明了方向。但由于探針底部壓電麥克風(fēng)的靈敏度會(huì)隨著壓力的增加而減弱［5］，此方法也具有一定的局限性。

圖2 檢測(cè)儲(chǔ)糧害蟲的壓電裝置

1．2 儲(chǔ)糧害蟲聲檢測(cè)方法的成熟期

20世紀(jì)90年代中期，儲(chǔ)糧害蟲聲檢測(cè)方法有了巨大的發(fā)展［7－8］。1993 年 Shuman 等［9］設(shè)計(jì)了第一代“聲探測(cè)昆蟲定位檢測(cè)器”(ALFID1)，依據(jù)聲音傳播時(shí)間與傳播距離成正比關(guān)系，采用多個(gè)壓電換能器實(shí)現(xiàn)害蟲的定位并統(tǒng)計(jì)儲(chǔ)糧害蟲的數(shù)量。如圖3所示，來自壓電聲換能器的聲信號(hào)被傳送至16路通道的電子線路板，放大信號(hào)，濾波并檢測(cè)閾值。隨后將結(jié)果接入一塊集成了26個(gè)集成電路邏輯芯片的邏輯電路板，實(shí)現(xiàn)捕獲、辨認(rèn)、寄存第1、2個(gè)最先接收到閾值的通道所對(duì)應(yīng)的換能器，結(jié)果送入計(jì)算機(jī)，單位間隔時(shí)間內(nèi)使用ALFID1軟件對(duì)數(shù)據(jù)收集、匯總、分析并確定害蟲的行走路徑。利用換能器陣列中兩相鄰換能器識(shí)別同一聲音，得到時(shí)間延遲數(shù)據(jù)，從而定位聲源位置。其缺點(diǎn)是只能較好地檢測(cè)谷物樣品中僅有1只害蟲的情況，多于1只時(shí)由于聲音不易分離，不能準(zhǔn)確計(jì)數(shù)。Shuman等于1997年將ALFID1改進(jìn)為“聲探測(cè)昆蟲特征檢測(cè)器”(ALFID2)，使用2個(gè)分開一定距離的傳感器檢測(cè)到2只害蟲的概率為100%，使用一個(gè)傳感器檢測(cè)到2只害蟲的概率為70%，提高了對(duì)多只害蟲檢測(cè)的準(zhǔn)確率［10］。這一算法分辨小麥樣品中隨意位置2只害蟲產(chǎn)生聲信號(hào)的概率可達(dá)90%，更好地解決了聲源定位問題，并已被美國糧食檢查部門用于對(duì)外出口糧食評(píng)級(jí)［11］。Mankin 等［12－13］對(duì)檢測(cè)系統(tǒng)再次改進(jìn)，增加了一個(gè)操作簡(jiǎn)便的屏蔽箱，能將1～10 kHz的噪音降到60～90 db，有效地克服了ALFID2在環(huán)境噪音較大的情況下檢測(cè)性能較差的缺點(diǎn)。

圖3 ALFID1模型檢測(cè)框圖

由于儲(chǔ)糧害蟲聲信號(hào)較弱且在檢測(cè)過程中易受傳感器噪聲和環(huán)境噪音等多方面的干擾，致使有用信號(hào)經(jīng)常被淹沒［14］。1997 年 Hickling等［5］發(fā)明了“檢測(cè)儲(chǔ)糧害蟲的聲傳感器系統(tǒng)”，如圖4所示，檢測(cè)系統(tǒng)由兩個(gè)嵌套的隔音箱(內(nèi)箱和外箱)組成，可有效隔離外部聲音和振動(dòng)，內(nèi)箱中放置多個(gè)改進(jìn)的傳感單元，組成傳感器陣列。每個(gè)傳感單元內(nèi)的靜電麥克風(fēng)上放置一個(gè)聽診器頭，以增強(qiáng)麥克風(fēng)靈敏度。將谷物樣本置于聽診器上，靜電麥克風(fēng)24 h持續(xù)監(jiān)測(cè)，經(jīng)過放大、濾波，最后通過多路選擇開關(guān)將任意一個(gè)傳感器的輸出信號(hào)傳至耳機(jī)或發(fā)光二極管(LED)顯示屏。該方法在降噪及靈敏度等方面實(shí)現(xiàn)了較大進(jìn)展，但檢測(cè)方法仍然沒有突破早期的聲模型限制。

圖4 檢測(cè)儲(chǔ)糧害蟲的聲傳感器系統(tǒng)

1．3 儲(chǔ)糧害蟲聲檢測(cè)方法新進(jìn)展

20世紀(jì)末至今，在原有聲檢測(cè)模型的基礎(chǔ)上，人們開始將一些新興技術(shù)應(yīng)用于儲(chǔ)糧害蟲檢測(cè)中。1998年Coggins等［15］提出使用時(shí)延人工神經(jīng)網(wǎng)絡(luò)進(jìn)行儲(chǔ)糧害蟲聲檢測(cè)，并根據(jù)振幅、頻譜和聲音持續(xù)時(shí)間來區(qū)分糧倉中的幼蟲聲、成蟲聲、谷物掉落聲和外部噪聲。試驗(yàn)以米象為例，如圖5所示，多個(gè)壓電換能器在圓柱體容器中沿內(nèi)側(cè)線性排列，每個(gè)壓電換能器內(nèi)置一個(gè)放大電路，以減少聲音的衰減。將受幼蟲侵蝕的麥粒放置于兩個(gè)壓電換能器中間(受成蟲侵蝕的麥粒放置位置則不予限制)，壓電換能器將檢測(cè)到的聲波轉(zhuǎn)換為電信號(hào)，隨后放大并濾波。數(shù)字式錄音機(jī)(DAT)對(duì)數(shù)據(jù)取樣并轉(zhuǎn)換為數(shù)字信號(hào)，采樣率和采樣位分別為48 kHz和16 bit。LabVIEW(美國國家儀器公司的圖形化編程軟件)控制DAT，將數(shù)據(jù)轉(zhuǎn)化為人工神經(jīng)網(wǎng)絡(luò)可用的格式。奔騰工作站收集數(shù)據(jù)并使用NeuroSolutions(神經(jīng)網(wǎng)絡(luò)仿真軟件)模擬網(wǎng)絡(luò)完成分類。在此試驗(yàn)條件下，包括20個(gè)處理單元和50個(gè)分接頭的接收器具有最優(yōu)性能，對(duì)成蟲每小時(shí)出現(xiàn)83個(gè)虛警的檢測(cè)率為100%，每小時(shí)50個(gè)虛警的檢測(cè)率為95%;幼蟲每小時(shí)28個(gè)虛警的檢測(cè)率為100%，27個(gè)虛警的檢測(cè)率為95%，實(shí)現(xiàn)了較高的檢測(cè)率，但其檢測(cè)結(jié)果受信號(hào)強(qiáng)弱影響較大，并且網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)仍需進(jìn)一步改進(jìn)。

圖5 使用人工神經(jīng)網(wǎng)絡(luò)的檢測(cè)框圖

2005 年 Rodriguez Gobernado等［16］提出通過噪聲、害蟲咀嚼聲和害蟲發(fā)出的次聲波振動(dòng)來檢測(cè)、分類并得到儲(chǔ)糧害蟲分布密度的檢測(cè)裝置及方法。如圖6所示，檢測(cè)裝置由探測(cè)桿和頂蓋兩部分組成，探測(cè)桿內(nèi)包含2個(gè)縱向分布的檢測(cè)模塊，探測(cè)桿末端是圓錐形的鉆頭，內(nèi)置了溫度和濕度傳感器。頂蓋中的電子系統(tǒng)能確保從檢測(cè)模塊中獲取數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行處理。探測(cè)桿插入谷物后，電子系統(tǒng)獲取并處理聲音數(shù)據(jù)，通過電纜將結(jié)果傳送至計(jì)算機(jī)，存儲(chǔ)并打印。該電子系統(tǒng)的處理過程包括:錄制谷物中的實(shí)際噪聲;消除已知的雜散噪聲;從與峰值能量對(duì)應(yīng)的窗口獲得包絡(luò)能量曲線并確定其平均頻率、譜寬和總能量;比較平均頻率和每個(gè)窗口寬度，從而實(shí)現(xiàn)分類;通過比較平均頻率與每個(gè)窗口的總能量得到害蟲的分布密度。此方法操作簡(jiǎn)便，對(duì)早期的探測(cè)桿加以改進(jìn)，分析多種信號(hào)特征，提高了檢測(cè)的準(zhǔn)確率并能同時(shí)完成多種檢測(cè)功能。

圖6 檢測(cè)框圖

2006年Fleurat Lessard F等［17］提出基于儲(chǔ)糧害蟲活動(dòng)聲譜的分類方法，可檢測(cè)害蟲并識(shí)別其生長(zhǎng)階段。如圖7所示，系統(tǒng)將3對(duì)壓電傳感器分別固定在一個(gè)金屬圓柱探測(cè)器的3個(gè)水平位置，探測(cè)器長(zhǎng)為1．4 m，直徑為50 mm，頂部包括一個(gè)與聲傳感器連接的電子系統(tǒng)，電子系統(tǒng)中的處理單元可處理來自聲傳感器的聲譜數(shù)據(jù)。每個(gè)傳感器后方封裝了電子放大器，將傳感器接收到的聲信號(hào)放大并傳至處理單元。處理單元每隔2 min從每層傳感器獲取聲信號(hào)，轉(zhuǎn)化為數(shù)字信號(hào)，并將接受到的每一個(gè)聲譜與數(shù)據(jù)庫中的聲譜進(jìn)行對(duì)照，識(shí)別害蟲主要種類及其侵害程度，當(dāng)侵害程度達(dá)到或者超過某一臨界值之后，在用戶圖形界面以報(bào)警形式提示用戶。聲譜數(shù)據(jù)庫中包含了數(shù)百個(gè)由害蟲生長(zhǎng)階段(成蟲或幼蟲)、害蟲種類和谷物類型3個(gè)條件不同組合時(shí)的標(biāo)準(zhǔn)聲譜。試驗(yàn)以不同成長(zhǎng)階段的米象和谷蠹為研究對(duì)象，得出:(1)成蟲活動(dòng)聲譜有2個(gè)峰值能量，幼蟲聲譜只存在1個(gè)低頻范圍的峰值;(2)害蟲密度與聲音頻率有關(guān)。對(duì)于10 kg麥粒存在1只米象成蟲的害蟲密度，溫度降至臨界溫度15℃時(shí)，檢測(cè)到這只米象成蟲的概率高于95%。對(duì)于1 kg麥粒中存在1只米象幼蟲的害蟲密度，溫度高于14℃時(shí)，檢測(cè)到這只幼蟲的概率為95%;(3)記錄2 min內(nèi)米象幼蟲的聲音，聲音的個(gè)數(shù)與糧倉溫度呈線性關(guān)系，但相關(guān)系數(shù)較低;(4)米象幼蟲活動(dòng)的低溫臨界溫度為9℃。在此之前的各種檢測(cè)方法能夠檢測(cè)到的最低害蟲密度為每千克谷物中存在一只害蟲［6－7，9，18］，而上述方法可實(shí)現(xiàn)更低害蟲密度的檢測(cè)，并且能夠在出現(xiàn)較嚴(yán)重害蟲侵害之前預(yù)測(cè)，提早準(zhǔn)備補(bǔ)救措施，實(shí)現(xiàn)安全儲(chǔ)糧［19－21］。

圖7 利用聲譜檢測(cè)、識(shí)別害蟲生長(zhǎng)階段的分類系統(tǒng)

2007 年 Pearson 等［22－23］首先將碰撞聲發(fā)射模型用于小麥鉆蛀害蟲的檢測(cè)，設(shè)計(jì)出分揀小麥無損粒與蟲害粒(Insect Damage Kernel，簡(jiǎn)稱IDK)的碰撞聲發(fā)射系統(tǒng)。如圖8所示，“振動(dòng)給料機(jī)”振動(dòng)麥粒使其掉落在一個(gè)7．5 cm×5．0 cm×10 cm的不銹鋼盤上，在不銹鋼盤附近放置2個(gè)頻率高達(dá)100 kHz的靈敏麥克風(fēng)，捕捉麥粒碰撞鋼盤產(chǎn)生聲發(fā)射的超聲波，并將信號(hào)數(shù)字化，2個(gè)麥克風(fēng)靈敏度分別為314 mV/Pa和31．4 mV/Pa。麥粒掉落時(shí)，與麥克風(fēng)位置相對(duì)的光觸發(fā)器被觸發(fā)，采集數(shù)據(jù)。經(jīng)過濾波、去噪，計(jì)算機(jī)接收來自2個(gè)麥克風(fēng)的2 000個(gè)數(shù)據(jù)點(diǎn)并提取特征。Pearson分別使用3種方法提取信號(hào)特征［24］:(1)對(duì)時(shí)域信號(hào)建模，利用威布爾曲線擬合挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為88．8%和86．6%;(2)計(jì)算短時(shí)窗內(nèi)信號(hào)的差異，可模擬局部信號(hào)變化，挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為85．2%和76．2%;(3)分析頻譜幅度，使用漢明窗對(duì)每個(gè)信號(hào)進(jìn)行256點(diǎn)離散傅里葉變換，挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為87．4%和85%。同時(shí)使用上述3種方法中的所有特征，挑選無損粒的準(zhǔn)確率為98．0%，IDK的準(zhǔn)確率為84．4%，吞吐率達(dá)到40個(gè)/s，信號(hào)處理時(shí)間也僅為20 ms，極大地提高了分類的準(zhǔn)確率以及分揀速度。碰撞聲發(fā)射法檢測(cè)蟲害粒準(zhǔn)確率高，分類費(fèi)用低，具有廣泛的應(yīng)用前景。未來的試驗(yàn)需要擴(kuò)大這一方法的適用范圍，使其能夠檢測(cè)出其他類型谷物的損壞粒。

圖8 碰撞聲發(fā)射系統(tǒng)

2 我國儲(chǔ)糧害蟲聲檢測(cè)方法的發(fā)展

多年來，我國儲(chǔ)糧害蟲檢測(cè)大多使用取樣器方法，聲檢測(cè)方法的研究尚處于起步階段。尚志遠(yuǎn)等對(duì)儲(chǔ)糧害蟲爬行聲的時(shí)頻特征以及處理方法做了初步研究，發(fā)現(xiàn)害蟲爬行聲的時(shí)頻特征與蟲類、糧食種類等均有關(guān)系。隨后耿森林等［25－26］做了如下研究:(1)建立了糧食中害蟲活動(dòng)的聲發(fā)射理論模型的無規(guī)聲源模型;(2)研究害蟲在糧食中爬行聲信號(hào)的功率譜特征，為通過害蟲聲特征了解糧食蟲害程度提供了理論依據(jù);(3)構(gòu)建倉儲(chǔ)糧食中害蟲爬行聲的功率譜特征數(shù)據(jù)庫，為儲(chǔ)糧害蟲聲檢測(cè)法的進(jìn)一步發(fā)展提供了可借鑒的方法和共享資源。唐發(fā)明等［27］利用已知害蟲的聲音樣本，經(jīng)過語音預(yù)處理、特征提取，構(gòu)造多個(gè)支持向量機(jī)來判斷糧蟲的種類。廖明潮設(shè)計(jì)了一個(gè)儲(chǔ)糧害蟲聲音分析系統(tǒng)方案，可成功地判別儲(chǔ)糧害蟲種類和數(shù)量，為儲(chǔ)糧害蟲聲檢測(cè)法提供了科學(xué)的決策依據(jù)［28］。

3 結(jié)束語

降低糧食產(chǎn)后損失利國利民，如何快速、準(zhǔn)確、低成本地檢測(cè)儲(chǔ)糧害蟲已成為國內(nèi)外各相關(guān)學(xué)科學(xué)者研究的一大熱點(diǎn)。雖然糧蟲聲檢測(cè)技術(shù)已經(jīng)取得了一定的成果，但國內(nèi)外的檢測(cè)方法大多在實(shí)驗(yàn)室環(huán)境中進(jìn)行，實(shí)際糧倉存在儲(chǔ)糧害蟲聲信號(hào)較弱與環(huán)境噪音之間的矛盾，目前研究方向從檢測(cè)糧蟲可聽聲轉(zhuǎn)移到檢測(cè)超聲可使結(jié)果更加可靠;害蟲種類繁多，如何有效地提取害蟲的聲音特征非常重要;突破原有聲模型，建立聲發(fā)射模型是下一個(gè)糧蟲檢測(cè)的方向。

［1］Brain C K．Preliminary note on the adaptation of certain radio principles to insect investigation work［J］．Annals of the University of Stellenbosch Section A，1924，2:45－47

［2］Adams R E，Wolfe J E，Milner M，et al．Aural detection of grain infested internally with insects［J］．Science，1953，118:163－164

［3］Litzkow C A，Webb J C，Masuda S．Acoustical detection of hidden insects:USA，4671114［P］．1987－06－09

［4］Webb J C，Litzkow C A，Slaughter D C．A computerized acoustical larval detection system［J］．Applied Engineering in Agriculture，1988，4(3):268－274

［5］Hickling R，LEE Peng，WEI Wei，et al．Acoustic sensor system for insect detection:USA，5616845［P］．1997－04－01

［6］Litzkow C A，Webb J C，Vick K W．Piezoelectric apparatus and process for detection of insect infestation in an agricultural commodity:USA，4937555［P］．1990－06－26

［7］Hagstrum D W，F(xiàn)linn P W，Shuman D．Automated monitoring using acoustical sensors for insects in farm－ stored wheat［J］．Journal of Economic Entomology ，1996，89(1):211－217

［8］Vick K W，Litzkow C A，Shuman D．Acoustic location fixing insect detector:USA，5473942［P］．1995－12－12

［9］Shuman D，Coffelt J A，Vick K W，et al．Quantitative acoustical detecition of larvae feeding inside kernels of grain［J］．Journal of Economic Entomology，1993，86(3):933－938

［10］Shuman D，Weaver D K，Mankin R W．Quantifying larval infestation with an acoustical sensor array and cluster analysis of cross－ correlation outputs［J］．Applied Acoustics，1997，50(4):279－296

［11］郭敏，尚志遠(yuǎn)．儲(chǔ)糧害蟲聲信號(hào)的檢測(cè)和應(yīng)用［J］．物理，2001，30(1):39－42．

［12］Mankin R W，Shuman D，Coffelt J A．Noise shielding of acoustic devices for insect detection［J］．Journal of Economic Entomology，1996，89(5):1301－1308

［13］Mankin R W，Sun J S，Shuman D，et al．Shielding against noise interfering with quantitation of insect infestations by acoustic detection systems in grain elevators［J］．Applied A-coustics，1997，50(4):309－323

［14］周志艷，羅錫文，張揚(yáng)，等．農(nóng)作物蟲害的機(jī)器檢測(cè)與監(jiān)測(cè)技術(shù)研究進(jìn)展［J］．昆蟲學(xué)報(bào)，2010，53(1):98－109

［15］Coggins K M，Principe J．Detection and classification of insect sounds in a grain silo using a neural network［J］．IEEE Int Conf Neural Networks Conf Proc，IEEE Piscataway NJ，1998，3:1760－1765

［16］Rodriguez Gobernado P，F(xiàn)leurat－ Lessard F，Villamayor J，et al．Method and device for detection，identification and densimetric quantification of grain－eating insects in stocks of cereals:US，6923064B2［P］．2005－08－02

［17］Fleurat－ Lessard F，Tomasini B，Kostine L，et al．Acoustic detection and automatic identification of insect stages activity in grain bulks by noise spectra processing through classification algorithms［C］．9th International Working Conference on Stored Product Protection，Campinas:2006

［18］Hagstrum D W，Vick K W，Webb JC．Acoustical monitoring of Rhyzopertha dominica populations in stored wheat［J］．Journal of Economic Entomology，1990，83:625－ 628

［19］Flinn P W，Hagstrum D W．Stored－grain advisor:a knowledge－based system for management of insect pests of stored－ grain［J］．AI Applications in Natural Resource Management，1990，4(3):44－52

［20］Longstaff B C．Computer－assisted－learning(CAL)to improve the quality of pest management in grain storage systems［C］．Proceedings 7th International Working Conference on Stored Product Protection，Beijing:1998

［21］Mann D D，Jayas D S，White N D G，et al．A grain storage information system for Canadian farmers and grain storage managers［J］．Canadian Agriculture Engineering，1997，39(1):49－56

［22］Pearson T C，Cetin A E，Tewfik A H，et al．Feasibility of impact－acoustic emissions for detection of damaged wheat kernels［J］．Digital Signal Processing，2007，17(3):617－633

［23］Ince NF，Onaran I，Pearson T C，et al．Identification of damaged wheat kernels and cracked－shell hazelnuts with impact acoustics time － frequency patterns［J］．Transactions of the ASABE，2008，51(4):1461－1469

［24］Pearson T C，Cetin A E，Tewfik A H．Detection of insect damaged wheat kernels by impact acoustics［C］．IEEE ICASSP，Philadelphia:2005

［25］耿森林，尚志遠(yuǎn)．倉儲(chǔ)糧食中害蟲活動(dòng)聲的提取與頻譜分析［J］．西南師范大學(xué)學(xué)報(bào):自然科學(xué)版，2005，30(6):1057－1060

［26］耿森林．儲(chǔ)糧害蟲活動(dòng)聲特征檢測(cè)、分析及其數(shù)據(jù)庫建立［D］．西安:陜西師范大學(xué)，2005

［27］唐發(fā)明，陳綿云，王仲東．基于支持向量機(jī)的倉儲(chǔ)害蟲聲音識(shí)別［J］．華中科技大學(xué)學(xué)報(bào):自然科學(xué)版，2005，33(2):34－36

［28］廖明潮．儲(chǔ)糧害蟲聲音分析系統(tǒng)設(shè)計(jì)［J］．中國糧油學(xué)報(bào)，2007，22(4):130－132．

Research and Development of Stored Grain Insect Detection Method Based on Acoustic Signal

Guo Min1Zhang Lina1，2
(School of Computer Science，Shaanxi Normal University1，Xi'an 710062)
(Department of Computer Science，Baoji University of Arts And Science2，Baoji 721000)

The problem on how to reduce post harvest loss of grain effectively has become a hot issue in the world．Compared with some traditional inspection method in detecting pests in stored grain，the method based on acoustic signals has attracted increasing attention because of the advantage of greening，non－destruction，rapidness and high－sensitivity．From using only one sensor to detect the acoustic signals or vibration of pests in stored grain in the early stage，to sensor array，impact－acoustic emission and comparing the insect noise signals to the specific spectra of the reference database recently，the acoustic detection was getting mature．This paper reviewed the development and achievement of acoustic detection of pests in stored grain for more than 30 years，compared the advantages and limita-tions between some acoustic detection methods in different period and also listed the unsolved problems and the difficulty in next research．

pests in stored grain，acoustical detection method，sensor

S122;O429

A

1003－0174(2011)12－0123－06

國家自然科學(xué)基金(10974130)

2011－02－20

郭敏，女，1964年出生，教授，數(shù)字信號(hào)處理