儲藏物害蟲智能化監測與預警系統研究進展

魯玉杰，王文敬，任天一，盧少華，王爭艷

（1.河南工業大學 糧油食品學院，鄭州 450001；2.江蘇科技大學 糧食學院，江蘇 鎮江 212003）

我國是糧食生產和消費大國，也是糧食儲備大國。糧食作為關乎國計民生的重要戰略資源和特殊商品，保證其數量與質量安全關系到社會穩定和國民經濟的平穩發展[1]，而且糧食安全一直是我國戰略需求，因此減少糧食的產后損失具有重要的戰略意義。糧食經過存儲、流通等環節，各個環節都有可能存在糧食損耗。其中，糧食儲藏過程中有害生物造成的損失大約占30%。據保守估計，我國每年糧食作物產量總計為 4 500～5 000億公斤，每年由于害蟲破壞導致的糧食損失達 1.5～6億公斤，由儲糧害蟲造成的糧食、豆類和油料損失約為總存儲量的5%，家庭儲糧因蟲害而造成的損失約為 8%～10%，直接造成的經濟損失超過 20億元[2-3]。因此，我國糧食的儲藏安全任務艱巨。

在目前信息化時代，建設結合自動化、信息化和集成化技術的智能化糧庫已經成為一種必然的趨勢[4]，同時也是糧食倉儲企業實現智能化管理的有效方式[5]。相對于傳統的儲糧害蟲檢測技術，儲糧害蟲的智能化檢測和預警技術可以讓我們實時、準確地得知害蟲發生的動態變化，為儲糧有害生物預防提供有力的保障。目前，儲糧害蟲的在線檢測和監測手段眾多，但這些監測手段因成本高、有限制性和精度低等缺點未得到廣泛認可和大規模使用[6-8]。本文通過綜述當前常見的儲糧害蟲檢測技術，以及智能化監測與預警系統的研究成果，并分析每種技術的優缺點，以期對我國糧食儲藏安全過程中儲糧害蟲的防控決策提供幫助。

1 儲糧害蟲智能化監測研究進展

目前常見的害蟲智能化監測手段均是基于害蟲的誘捕裝置，其中主要涉及的技術有誘捕技術、圖像處理技術、紅外光電傳感技術、聲音分析技術、電導傳感技術、傳輸技術、終端系統分析技術等[9]。誘集檢查技術是一種較為傳統的害蟲檢查手段，其主要原理是利用害蟲上爬性、群集性等習性，通過引誘劑將害蟲誘集到一定的區域內[10]，其中引誘劑主要分為食物引誘劑和信息素引誘劑兩大類。在實際生產中常用的誘捕裝置有探管誘捕器、錐形誘捕器、波紋板誘捕器和瓦楞紙誘捕器等。如今糧食儲藏領域的重點研究方向就是將最新、最先進的技術應用到害蟲在線監測設備中，實現對糧庫蟲害情況的自動化控制，以至于應用大數據和互聯網的思維建設智能化糧庫。

1.1 基于圖像識別的儲糧害蟲智能化監測

基于圖像識別技術的害蟲檢測系統是目前比較常見的，Ridgway等[11]實現了一種用于害蟲、鼠糞和麥角自動監測的系統，采用最小運算律的線性分割器實現了赤擬谷盜TriboliumcastaneumHerbst、鋸谷盜OryzaephilussurinamensisLinne等常見儲糧害蟲的檢測，識別率達到 93%。Espinoza等[12]通過圖像預處理并應用卷積神經網絡的方法來識別煙粉虱Bemisiatabaci和西花薊馬Frankliniellaoccidentalis。Ding等[13]提出了一種基于深度學習的野外誘捕圖像害蟲自動監測系統，采用滑動窗口來獲得區域建議框，然后配合監測卷積神經網絡來實現蛾類在粘蟲板上的計數，并且探討了蟲類目標檢測模型性能的評估方式。趙彬宇等[14]研發了一款集儲糧害蟲智能圖鑒與圖像識別于一體的 APP，該 APP實現了 6類10種常見的儲糧害蟲在手機上的種類識別。苗海委和周慧玲[15]提出了一種基于深度學習的粘蟲板儲糧害蟲圖像檢測算法，實現了放置在糧倉表面粘蟲板誘捕的六大類害蟲的定位和識別，檢測平均正確率可以達到81.36%。劉治財[16]提出深度學習的目標檢測算法在儲糧害蟲檢測識別中的應用，使用深度學習算法一定程度上克服了實際儲糧環境中，糧蟲圖片背景復雜、糧蟲行態變化大的難點，避免了傳統設計特征時可分性差、表達能力不足、過程繁瑣等缺點。從大數據中自動學習泛化性更強的特征，能快速地將糧蟲識別方法遷移到新的糧蟲種類，降低了研究人員開發算法的難度。

1.2 基于紅外光電技術的儲糧害蟲智能化監測

應用紅外光電傳感器的在線監測系統是基于探管誘捕器和紅外光電傳感器的一種監測裝置，其特點是價格經濟，既能檢測糧堆內部不同深度的害蟲發生情況，又能夠估計害蟲密度[17]。Litzkow等[18]提出電子糧食探管害蟲計數器，它通過探管誘捕器內安放紅外光電發射和接受二極管檢測通過的害蟲，害蟲墜落時會對光束產生遮擋，以遮擋程度是否超過預設閾值為特征來實現害蟲計數。Shuman等[19]研制了利用正交的雙紅外技術監測儲糧害蟲。害蟲掉入誘捕器后通過正交的雙紅外光束矩陣，產生相應的模擬信號。該系統利用嵌入式微處理器對紅外傳感器的模擬信號進行分析，提取出的參數最終傳輸到臺式計算機上。一定程度上降低了害蟲下落姿態對計數準確率的影響，實現了對米象SitophilusoryzaeLinnaeus和銹赤扁谷盜CryptolestesferrugineusStephens的二分類。該系統不僅實現了害蟲體形大小的確認并成功過濾了落入誘捕器的一些雜質等。Opisystems公司利用實倉試驗的大量數據，開發出了基于電子計數裝置的統計模型，并將其注冊為了商業化產品 Insector。王威松等[20]設計研發了儲糧害蟲誘捕在線監測裝置，可以采集完整的紅外光電序列，并采集了蛀食性害蟲（米象、玉米象SitophiluszeamaisMotschulsky、谷蠹RhizoperthadominicaLinnaeus）和粉食性害蟲（長角扁谷盜CryptolestespusillusOliver、土耳其扁谷盜CryptolestesturcicusGrouville、銹赤扁谷盜、赤擬谷盜、雜擬谷盜TriboliumconfusumDuval、鋸谷盜）的紅外光點數據集，實現了對蛀食性和粉食行害蟲的二分類，以及一定程度上的兩大類害蟲中不同種害蟲的細分。解決了以往研究中對害蟲體長信息提取粗糙、未充分利用害蟲下落時整個遮擋過程對應電信號的弊端。

1.3 基于聲學的儲糧害蟲智能化監測

聲信號檢測法的原理是把聲信號轉換成電信號，通過電子過濾器把昆蟲發聲的頻率與環境中聲音的頻率區分，通過聲音傳播路程的比例和產生該種聲音傳播路程數量的多少來分辨儲糧昆蟲的種類和數量[10]，其最大的應用前景在早期檢測谷物內部的隱蔽性害蟲[21]。近幾年來，聲學傳感器的可靠性和有效性大大提高[22]。但是聲學方法在估計谷物內部害蟲種群密度的應用潛力的研究很少。Ilyas等[23]采集昆蟲的運動和攝食等典型行為的聲音后，通過計算機系統對采集到的聲音進行放大、濾波、參數化和分類，該方法對糧倉內的米象種群識別率達到了100%。Mankin等[22]通過聲音傳感器檢測糧堆中米象、赤擬谷盜、藥材甲Stegobiumpaniceum爬行刮擦的聲音，發現成蟲的活動聲信號均可以被捕捉到。Eliopoulos等[21]在實驗室對糧食內部害蟲聲音信號進行希耳伯特變換，并在音頻中剔除無關的噪聲記錄，從而得出可能的昆蟲行為脈沖信號，檢查準確率達到48%～74%。當蟲害密度為 1頭/Kg～2頭/Kg時，該系統的檢測準確率可以達到 72%～100%。Eliopoulos等[24]使用壓電傳感器和連接到計算機的便攜式聲發射放大器來記錄昆蟲的聲信號，建立了描述害蟲種群密度和聲音之間的線性模型，證明了利用聲信號對散裝糧的受侵染程度進行自動檢測是可行的。但是由于環境噪聲的影響基于聲信號的害蟲在線監測系統尚未在大型糧庫內得到應用。

1.4 基于電容傳感器的儲糧害蟲智能化監測

電容傳感器監測害蟲的原理是對電容監測電路檢測出的電容值變化范圍、變化次數進行分析處理，確定并記錄害蟲的種類數量，根據不同儲糧害蟲在檢測電極間自由掉落過程中引起檢測電極電容值改變的不同分為來區分害蟲的種類。鮑舒恬和常春波[25]利用儲糧害蟲的含水特性，采用電容原理，設計了低功耗的蟲害檢測傳感器，實現了儲糧害蟲數量和種類的精確監測，并與無線傳感器網絡技術結合，設計了易于部署的全無線儲糧害蟲監測系統，該系統已應用于部分糧庫，反映良好。

1.5 基于糧食中氣體組分變化的儲糧害蟲智能化監測

糧食在儲藏過程中的部分損耗來自于蟲害和霉菌的侵染，蟲霉活動產生的特征性物質會改變糧食中的可揮發氣體組分或改變糧堆中某種氣體成分的含量，可通過測定相關氣體的含量了解儲糧的狀態[26]。近年來，二氧化碳作為檢測儲糧條件的一種指標，因其敏感性和可靠性而受到越來越多的關注[27]。翟煥趁等[27]在大型糧倉中進行糧堆內CO2氣體濃度監測試驗，發現安全水分小麥呼吸水平較低，害蟲活動可顯著提高糧堆中的CO2氣體濃度，在實倉中采用多定點檢測法，能靈敏地檢測到人工熱點周圍CO2濃度的空間變化[28]。相關研究表明，二氧化碳濃度與糧食中害蟲發生狀況顯著相關，一定條件下可通過檢測二氧化碳濃度了解儲糧糧情和害蟲發生狀態[29-32]。

2 儲糧害蟲智能化監測系統組成

隨著智能化糧庫的建設和對糧食安全的重視，對智能化糧食的害蟲的智能化監測技術的研究成為目前儲糧害蟲的研究熱點。顏丙生等[33]將圖像處理與光電技術相結合設計了一套基于LabVIEW的儲糧蟲害監測及自動分級報警系統。先用糧蟲誘捕器捕獲害蟲，再利用誘捕器中的CCD相機對糧蟲拍照，照片通過數據線傳送到主機上，用連通域與平均像素修正法進行糧蟲計數。在大型糧倉中，由于測點多，且相機成本高，若測點都采用相機取樣，整個監測系統的成本會居高不下，為了減少成本，使用光電技術來對害蟲數量進行輔助監測。通過糧蟲誘捕器收集到害蟲，在檢測光電信號之前，打開LED照明燈為設備提供光源，光線穿過裝有蟲子的透明落蟲板傳到光電傳感器上，利用光電傳感器將光信號轉換為電信號，利用蟲子數量與光電信號電壓值之間的函數關系，通過代數運算及可得到對應的蟲子數量。儲糧蟲害監測及自動分及報警系統的硬件組成如圖1所示。

圖1 儲糧蟲害監測及自動分及報警系統硬件組成（仿 顏丙生，2016）Fig.1 Hardware composition of stored grain pest monitoring and automatic distribution and alarm system(Yan Bingsheng, 2016)

馬彬[34]在研究儲糧書虱種群動態模型的前提下利用圖像二值法建立了儲糧書虱自動化監測系統，魯玉杰等[35]研發了一系列的儲糧害蟲智能化監測系統，結合嗜蟲書虱種群增長模型的基礎上，開發了一套儲糧書虱的智能化監測系統[36-38]。李虎和熊偉[39]結合現有的糧倉蟲害監測方式，在原本監測設備的基礎上進行升級，引入圖像處理與光電處理技術結合的方式，在信息處理平臺上設計昆蟲計數，溫、濕度監控等各項指標的監測軟件設計了一個糧倉蟲害監測系統。該系統主要由計算機、溫度傳感器、CCD相機、濕度傳感器和糧蟲誘捕器等硬件構成（見圖2）。在系統軟件設計方面，通過 LabVIEW 平臺設計糧倉蟲害監測及自動分級報警系統。盡最大可能減輕大型糧倉的日常管理負擔，減少糧食在日常儲存中的損耗，實現糧倉管理自動化，方便糧倉人員管理，確保國家的糧食衛生安全。

圖2 根據糧倉溫濕度設置的蟲害檢測系統（仿 李虎和熊偉，2020）Fig.2 Pests detection system based on temperature and humidity of granary (Li Hu &Xiong Wei, 2020)

3 害蟲預警系統

害蟲預測預報是害蟲綜合管理重要的組成部分，是一項監測昆蟲未來種群變動趨勢的重要工作，也是有效防治和控制害蟲發生發展的依據，更是農業生產管理和決策的前提。隨著數學理論及其它學科的發展，害蟲的預測預報大致經歷了經驗預測、實驗預測、統計預測和信息預測四個發展階段[40]。隨著計算機時代的到來，國內外在病蟲害監測預警信息化研究上取得了極大的進展[41-43]。

頓文峰[44]設計了一個柑橘實蠅害蟲監測預警系統，方便植保人員在收集柑橘實蠅害蟲監測數據之后，通過網絡進行監測數據填報、查詢、以及數據匯總分析，除此之外，本系統還應該為他們提供地圖可視化服務，便于他們從地圖上了解監測點空間位置,各個區域監測點監測動態情況，在結合相關生態學模型研究柑橘害蟲適生性之后發布柑橘實蠅害蟲預警信息,旨在幫助植保人員通過網絡傳遞和共享信息資源，掌握所在地區的柑橘實蠅害蟲發生動態，采取必要的防治措施。為實現系統開發目標，滿足用戶基本功能需求，使資源得到充分的利用與共享，設計了如圖3所示的害蟲檢測預警系統。

圖3 柑橘實蠅監測預警模塊圖（仿頓文峰，2013）Fig.3 Monitoring and early warning module of citrus fruit flies (Dun Wenfeng, 2013)

由于實際糧倉中的環境較實驗室條件更為復雜、害蟲的體長、食性、姿態都具有多樣性。現有的智能化監測預警系統在實際應用中都存在其局限性且存在標準化流程未規范的情況，均未得到大規模的使用。Shen等[45]和 Li等[46]利用大數據學習技術和物聯網技術建立了多種儲糧害蟲的監測系統，對常見儲糧害蟲的檢測取得了良好的效果，未來也考慮利用糧庫中獲得的實際圖像對該系統加以改進。目前作者所在的研究團隊正在建立一套儲糧害蟲的預警系統和專家決策系統，以期能夠解決儲糧害蟲的監測和智能化預警方面缺陷的問題。

4 展望

糧食安全是我國的基本的政治戰略需求，保證糧食安全必須減少有害生物的發生，智能化糧庫的建設已經成為必然趨勢。其中儲糧害蟲的智能化檢測與預警系統是其中的重要組成部分。基于圖像識別的檢測系統能自動識別糧堆中的害蟲，但是無法檢測糧粒內部害蟲；基于紅外光電技術的在線檢測成本低廉、計數準確，但是對體態相近的害蟲的區分程度不高；基于電容傳感器的在線檢測使用年限長，但是效率不高，檢測不出內部有死蟲的糧粒；氣體分析法有取樣方便、檢測快捷和監測靈敏等多種獨特的優勢。

本文綜述了現有的儲糧害蟲智能化檢測和預警系統。未來智能化監測系統重點關注以下兩點：一是要加強電子技術特別是大數據的應用，得到更多快速衡量害蟲數量和種類的指標，利于害蟲分類的特征。制定規范害蟲在線監測技術方面的行業標準。二是研究影響害蟲發生的多種環境因子如溫度、濕度、光照、微生物、害蟲氣味、糧食種類等多個因子的耦合作用，建立害蟲發生的多場耦合模型，根據耦合規律和模型，建立害蟲的預測預警模型，基于機理驅動和數據驅動的人工智能識別系統，以支撐檢測、預警、防治這一完整鏈條，做到及時發現，合理防治。