農(nóng)林病蟲自動測控物聯(lián)網(wǎng)系統(tǒng)(ATCSP)對吉林省4種主要鱗翅目害蟲的監(jiān)測效果

張振鐸 王立俠 齊超 孫振宇 楊麗莉 劉瑤

摘要 ：為評估農(nóng)林病蟲自動測控物聯(lián)網(wǎng)系統(tǒng)（ATCSP）對玉米螟、草地螟、小地老虎、黏蟲4種主要鱗翅目害蟲的監(jiān)測效果，2019年5月21日—10月10日在吉林省公主嶺市陶家屯開展了該系統(tǒng)對上述4種害蟲的監(jiān)測試驗(yàn)，對比遠(yuǎn)程監(jiān)測識別害蟲與實(shí)地調(diào)查確認(rèn)害蟲的種類、數(shù)量與發(fā)生動態(tài)。結(jié)果表明該系統(tǒng)可以自動拍攝上傳害蟲照片，兩種方式得到的4種害蟲監(jiān)測數(shù)據(jù)基本一致，成蟲動態(tài)曲線基本一致，峰期及峰日一致?？梢岳肁TCSP系統(tǒng)遠(yuǎn)程監(jiān)測上述4種鱗翅目害蟲的發(fā)生數(shù)量和發(fā)生動態(tài)，具有減少蟲情監(jiān)測人員的下地次數(shù)、提高監(jiān)測預(yù)警自動化水平等作用，在完善自動識圖和計數(shù)后，具有較好的推廣應(yīng)用前景。

關(guān)鍵詞 ：物聯(lián)網(wǎng); 玉米螟; 黏蟲; 小地老虎; 草地螟; 遠(yuǎn)程監(jiān)測; 自動化

中圖分類號：

S 431.9文獻(xiàn)標(biāo)識碼： A

DOI： 10.16688/j.zwbh.2020049

Monitoring effects of the automatic test and control system of plant diseases and

insects （ATCSP） on four main Lepidoptera pests in Jilin province

ZHANG Zhenduo1*， WANG Lixia2， QI Chao2， SUN Zhenyu1， YANG Lili1， LIU Yao1

（1. Center of Jilin Provincial Agro-tech Extension， Changchun 130033， China; 2. Station of Plant Protection and Quarantine in Gongzhuling City， Jinlin Province， Gongzhuling 136100， China）

Abstract

To evaluate the monitoring effect of the automatic test and control system of plant diseases and insects （ATCSP） on four main Lepidoptera insects in Jilin province，including Ostrinia furnacalis， Loxostege sticticalis， Agrotis ipsilon and Mythimna separata， the insect numbers and dynamics obtained by remote monitoring and field survey in Taojiatun town， Gongzhuling city， Jilin province were compared from May 21 to October 10， 2019. The results showed that the ATCSP system could automatically take and upload photos of pests. The monitoring data of the four pests obtained by using the two methods were basically consistent; the adult dynamic curves were basically consistent， and the peak period and peak date were consistent. The ATCSP system can be used to remotely monitor the number and dynamics of the four species of Lepidoptera pests， which is helpful for reducing their frequencies of entering farms and improving the level of monitoring and early-warning automation. After improving the automatic identification and counting functions， ATCSP has a better prospect for promotion and application.

Key words

internet of things; Ostrinia furnacalis; Mythimna separata; Agrotis ipsilon; Loxostege sticticalis; remote monitoring; automation

病蟲測報是科學(xué)防控、精準(zhǔn)防控的前提和基礎(chǔ)，組織開展防控病蟲害必須以病蟲測報為決策依據(jù)和信息支撐。農(nóng)業(yè)現(xiàn)代化離不開裝備現(xiàn)代化，現(xiàn)代植保需要高效專業(yè)的測報工具，提升測報裝備的技術(shù)水平是加快建設(shè)現(xiàn)代植保、發(fā)展現(xiàn)代農(nóng)業(yè)的有效途徑和必備手段。物聯(lián)網(wǎng)是在互聯(lián)網(wǎng)的基礎(chǔ)上，通過感知層實(shí)現(xiàn)對物品信息的感知和采集，按照一定的通訊協(xié)議在網(wǎng)絡(luò)層傳輸和交流信息，通過應(yīng)用系統(tǒng)實(shí)現(xiàn)自動監(jiān)控和管理的一種智能網(wǎng)絡(luò)，作為一種新興戰(zhàn)略產(chǎn)業(yè)，在各行各業(yè)受到普遍重視。近年來，隨著自動控制、無線網(wǎng)絡(luò)、人工智能、區(qū)塊鏈等自動化、信息化技術(shù)的快速發(fā)展，病蟲測報領(lǐng)域也應(yīng)用了一批物聯(lián)網(wǎng)設(shè)備[12]。國內(nèi)外對應(yīng)用物聯(lián)網(wǎng)技術(shù)進(jìn)行蟲情采集的研究主要分成兩類，一類是通過應(yīng)用光電或紅外技術(shù)對性誘劑誘集到的蟲體進(jìn)行自動計數(shù)，這種方法對已經(jīng)開發(fā)出專用性信息素的害蟲如斜紋夜蛾Spodoptera litura、亞洲玉米螟Ostrinia furnacalis、二化螟Chilo suppressalis等比較有效，但不能用于尚未開發(fā)出專一誘集物質(zhì)的害蟲[37];第二類是通過微型攝像頭拍攝誘集到的昆蟲的圖片或視頻，這種方法可以記錄較多的害蟲信息，但容易受到攝像頭分辨率、昆蟲落姿及數(shù)量等因素的影響[811]。另外也有研究人員嘗試將這兩種技術(shù)集合在一個誘集裝置中，對照圖片人工校驗(yàn)自動計數(shù)，確保精準(zhǔn)掌握害蟲實(shí)時動態(tài)[1213]。農(nóng)林病蟲自動測控物聯(lián)網(wǎng)系統(tǒng)（ATCSP）由農(nóng)作物病菌孢子自動捕捉培養(yǎng)系統(tǒng)、蟲情信息自動采集傳輸設(shè)備、農(nóng)田小氣候自動采集傳輸設(shè)備、農(nóng)田生境遠(yuǎn)程實(shí)時監(jiān)測設(shè)備及網(wǎng)絡(luò)綜合連接分析系統(tǒng)組成，是利用物聯(lián)網(wǎng)技術(shù)在孢子捕捉儀、自動蟲情測報燈等工具的基礎(chǔ)上，通過集成改造開發(fā)的以圖片和視頻為核心的遠(yuǎn)程實(shí)時獲取田間病蟲發(fā)生情況及相關(guān)信息的新型測報工具[1]。為測試ATCSP的實(shí)際應(yīng)用效果，逐步改進(jìn)與完善該系統(tǒng)的性能，2019年開展了該系統(tǒng)對4種主要鱗翅目害蟲亞洲玉米螟、草地螟、小地老虎、黏蟲的監(jiān)測試驗(yàn)，以期全面了解該系統(tǒng)的功能特點(diǎn)，推動該系統(tǒng)的提高和推廣應(yīng)用。

1 材料與方法

1.1 試驗(yàn)地和試驗(yàn)工具

試驗(yàn)地位于吉林省公主嶺市陶家屯農(nóng)業(yè)科技示范園（125.00°E，43.67°N），園區(qū)面積35 hm2，主要種植玉米、大豆、高粱等農(nóng)作物。由河南佳多科工貿(mào)有限責(zé)任公司生產(chǎn)的ATCSP（本試驗(yàn)主要應(yīng)用蟲情信息自動采集傳輸設(shè)備）安裝在科技園的中央?yún)^(qū)域，周圍無高大建筑物遮擋和人工光源干擾。試驗(yàn)期間玉米處于4葉期到成熟期、大豆處于種子萌發(fā)期到成熟期、高粱處于種子萌發(fā)期到成熟期。

1.2 試驗(yàn)方法

2019年5月21日至10月10日（共計143 d），利用ATCSP監(jiān)測亞洲玉米螟Ostrinia furnacalis （Guenée）、草地螟Loxostege sticticalis Linnaeus、小地老虎Agrotis ipsilon （Rottemberg）、黏蟲Mythimna separata Walker等4種害蟲成蟲發(fā)生數(shù)量及動態(tài)。將人工辨識機(jī)器自動拍攝上傳的照片和人工實(shí)地識別誘集的害蟲蟲體，逐日記錄種類并對兩種方式計數(shù)結(jié)果進(jìn)行比較，檢驗(yàn)物聯(lián)網(wǎng)系統(tǒng)在大田作物主要蟲害監(jiān)測預(yù)警運(yùn)用中的準(zhǔn)確性、可靠性。

采取的兩種方式計數(shù)： 1）遠(yuǎn)程計數(shù)。ATCSP自動拍攝燈誘成蟲照片，并自動通過網(wǎng)絡(luò)將照片發(fā)送到服務(wù)器，測報人員在電腦上遠(yuǎn)程辨識圖片中的監(jiān)測對象并計數(shù)。2）實(shí)地計數(shù)。測報人員到監(jiān)測點(diǎn)現(xiàn)場，逐日將燈下誘集到的害蟲實(shí)地鑒定種類并計數(shù)（傳統(tǒng)方式）。

2 結(jié)果與分析

2.1 遠(yuǎn)程識圖計數(shù)與實(shí)地調(diào)查計數(shù)的害蟲總量比較

在試驗(yàn)開展時段內(nèi)，通過ATCSP遠(yuǎn)程計數(shù)的亞洲玉米螟為1 640頭，人工實(shí)地收蟲計數(shù)為1 767頭，遠(yuǎn)程計數(shù)與實(shí)地計數(shù)的相對誤差率為7.19%;遠(yuǎn)程計數(shù)草地螟為160頭，人工實(shí)地收蟲計數(shù)為179頭，相對誤差率為10.61%。遠(yuǎn)程計數(shù)小地老虎為1 235頭，人工實(shí)地收蟲計數(shù)為1 298頭，相對誤差率為4.85%;遠(yuǎn)程計數(shù)黏蟲為1 021頭，人工實(shí)地收蟲計數(shù)為1 037頭，相對誤差率為1.54%;ATCSP系統(tǒng)拍攝上傳4種成蟲照片見圖1。

2.2 遠(yuǎn)程識圖計數(shù)與實(shí)地調(diào)查計數(shù)的發(fā)生動態(tài)比較

比較害蟲遠(yuǎn)程計數(shù)與實(shí)地調(diào)查計數(shù)的蟲量變化曲線，ATCSP遠(yuǎn)程計數(shù)得到的亞洲玉米螟、草地螟、小地老虎、黏蟲的蟲量動態(tài)與實(shí)地計數(shù)基本一致。其中，玉米螟在6月上旬、6月下旬、7月上旬、8月上旬和9月初出現(xiàn)5個誘蟲高峰期，峰日蟲量為52～75頭（圖2）;草地螟只在6月中旬出現(xiàn)1個成蟲高峰期，峰日蟲量為60頭（圖3）;小地老虎出現(xiàn)2個誘蟲高峰期，第一個高峰出現(xiàn)在6月上旬，峰日蟲量37頭，第二個高峰從7月下旬一直持續(xù)到8月下旬，持續(xù)時間將近一個月，峰日蟲量是46頭（圖4）;黏蟲在6月中旬和9月下旬出現(xiàn)2個成蟲高峰期，峰日蟲量63～70頭，同時在7月中旬、8月底出現(xiàn)誘蟲小高峰，蟲量為20～22頭（圖5）。

3 討論

由本試驗(yàn)可知，ATCSP系統(tǒng)可以自動拍攝上傳玉米螟、草地螟、小地老虎和黏蟲等害蟲照片，人工遠(yuǎn)程辨識設(shè)備拍攝上傳圖片時計數(shù)獲得的4種害蟲總量均略低于實(shí)地調(diào)查計數(shù)，相對誤差在1%～11%之間，但兩種計數(shù)方法獲得的成蟲數(shù)量逐日變化曲線基本一致，峰期一致。因此，應(yīng)用該系統(tǒng)可以監(jiān)測本地4種害蟲成蟲的發(fā)生動態(tài)，通過網(wǎng)絡(luò)遠(yuǎn)程鑒定計數(shù)系統(tǒng)自動拍攝存儲的照片，明顯地減少了蟲情監(jiān)測人員的下地次數(shù)，減小了對交通工具的使用需求，也在一定程度上減輕了勞動強(qiáng)度;同時由于照片可實(shí)時上傳，也縮短了掌握田間蟲情的時間，提升了監(jiān)測預(yù)警的反應(yīng)速度。

但是，人工遠(yuǎn)程識圖計數(shù)與實(shí)地調(diào)查計數(shù)還存在一些數(shù)量差異，原因主要有：1）蟲量大時靶標(biāo)害蟲與其他昆蟲大量落入，層層疊加，擋住下層的害蟲，對辨別干擾較大;2）誘集到的害蟲在接蟲盤中死亡時姿態(tài)各異，照片中有的成蟲側(cè)面向上，有的腹面朝上，尤其是關(guān)鍵識別特征拍不到時，種類鑒別難度增大;3）害蟲被燈光引誘撞擊玻璃屏，再通過集蟲漏斗落到接蟲盤時，部分蟲體或翅面出現(xiàn)破碎、脫落，蟲體不完整;4）拍攝獲得的害蟲成蟲照片分辨率不高、清晰度不夠，需要不斷地調(diào)整放大縮小倍數(shù)，獲得理想的視覺效果;5）玉米螟、草地螟成蟲蟲體較小，不如蟲體較大的黏蟲和小地老虎容易識別，加大看圖鑒別誤差;6）直接從圖片判斷害蟲的種類實(shí)際上對技術(shù)人員的要求更高，需要監(jiān)測人員不僅能從正面準(zhǔn)確識別害蟲，還要具備窺一斑而知全豹的能力。而人工燈下實(shí)地調(diào)查計數(shù)可以從各個角度逐個觀察誘集到的害蟲，減少了上述弊端造成的鑒別困難。針對該系統(tǒng)蟲情信息采集設(shè)備的運(yùn)行狀況和遠(yuǎn)程鑒別困難，建議嘗試使用分辨率更高的攝像頭以提高小型昆蟲照片的清晰度、調(diào)整接蟲盤的大小減輕害蟲堆疊、縮短害蟲的致死時間維持蟲體完整;或可在終端操作平臺上增加調(diào)試攝像頭角度和焦距的功能，讓監(jiān)測人員根據(jù)不同時期的主要害蟲種類微調(diào)攝像頭，再根據(jù)蟲量大小調(diào)整拍照間隔，保證獲得清晰的目標(biāo)害蟲照片，提升遠(yuǎn)程辨別的準(zhǔn)確率。

根據(jù)試驗(yàn)情況，ATCSP系統(tǒng)準(zhǔn)確性和可信度較高。但與其他物聯(lián)網(wǎng)蟲情采集監(jiān)測預(yù)警系統(tǒng)相比，該系統(tǒng)還需要研發(fā)害蟲自動識別和自動計數(shù)等功能，考慮加入病蟲害計算機(jī)自動圖像識別技術(shù)對病蟲害分析處理，通過計算機(jī)視覺識別技術(shù)對圖像進(jìn)行預(yù)處理、特征提取與優(yōu)化、模式識別和計數(shù)等，以獲得病蟲害的種類和數(shù)量，實(shí)現(xiàn)病蟲害的自動識別與統(tǒng)計[1416]，提高設(shè)備的自動化和智能化程度，促進(jìn)病蟲害監(jiān)測預(yù)報的現(xiàn)代化，逐步實(shí)現(xiàn)病蟲害監(jiān)測由完全靠人到依靠機(jī)械化、自動化監(jiān)測設(shè)備為主的蛻變。

參考文獻(xiàn)

[1] 黃沖，劉萬才.試論物聯(lián)網(wǎng)技術(shù)在農(nóng)作物重大病蟲害監(jiān)測預(yù)警中的應(yīng)用前景[J].中國植保導(dǎo)刊，2015，35（10）：5560.

[2] 高磊. 基于物聯(lián)網(wǎng)技術(shù)的果園蟲害信息監(jiān)測系統(tǒng)設(shè)計[D].合肥：安徽大學(xué)，2018.

[3] 陳光絨，李小琴.基于物聯(lián)網(wǎng)技術(shù)的農(nóng)作物病蟲害自動測報系統(tǒng)[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（4）：406410.

[4] 羅金燕，陳磊，路風(fēng)琴，等.性誘電子測報系統(tǒng)在斜紋夜蛾監(jiān)測中的應(yīng)用[J]. 中國植保導(dǎo)刊，2016，36（10）：5052.

[5] 楊秀君，曾娟.玉米螟標(biāo)準(zhǔn)化性誘監(jiān)測器及其自動計數(shù)系統(tǒng)的監(jiān)測效果淺析[J]. 中國植保導(dǎo)刊，2016，31（11）：5053.

[6] 張振鐸，張瓊，金春麗，等.水稻二化螟成蟲動態(tài)的性誘監(jiān)測及其影響因子分析[J].中國植保導(dǎo)刊，2017，37（10）：4245.

[7] POTAMITIS I， ELIOPOULOS P， RIGAKIS I. Automated remote insect surveillance at a global scale and the internet of things [J/OL]. Robotics， 2017， 6（3）： 19.DOI： 10.3390/robotics6030019.

[8] 韓瑞珍.基于機(jī)器視覺的農(nóng)田害蟲快速檢測與識別研究[D].杭州：浙江大學(xué)， 2014.

[9] 王圣楠. 基于物聯(lián)網(wǎng)技術(shù)的農(nóng)林病蟲害生態(tài)智能測控系統(tǒng)構(gòu)建及其應(yīng)用[D].泰安：山東農(nóng)業(yè)大學(xué)， 2017.

[10]施盛華. 基于物聯(lián)網(wǎng)與圖像識別的太陽能果園蟲害監(jiān)測系統(tǒng)研發(fā)[D]. 杭州：浙江科技學(xué)院， 2019.

[11]KOSHY S S， SUNNAM V S， RAJGARHIA P. et al. Application of the internet of things （IoT） for smart farming： a case study on groundnut and castor pest and disease forewarning [J]. CSIT， 2018， 6： 311318.

[12]趙晴，臧賀藏，張杰，等.基于物聯(lián)網(wǎng)技術(shù)的作物蟲情采集監(jiān)測預(yù)警系統(tǒng)構(gòu)建[J].河南農(nóng)業(yè)科學(xué)，2019，48（12）：164169.

[13]SCIARRETTA A， CALABRESE P. Development of automated devices for the monitoring of insect pests [J]. Current Agricultural Research Journal， 2019，7（1）： 1925.

[14]馬菁，張學(xué)儉.物聯(lián)網(wǎng)技術(shù)在寧夏枸杞病蟲害監(jiān)測預(yù)警中的應(yīng)用[J].林業(yè)調(diào)查規(guī)劃，2018，43（6）：7174.

[15]羅桂蘭，楊自忠，張梅，等.洱海濕地昆蟲智能識別與實(shí)時監(jiān)測系統(tǒng)[J].大理大學(xué)學(xué)報，2018，3（6）：612.

[16]POLAND T M， RASSATI D. Improved biosecurity surveillance of non-native forest insects： a review of current methods [J]. Journal of Pest Science， 2019， 92： 3749.

（責(zé)任編輯：田 喆）