魯玉杰，王文敬，任天一，盧少華，王爭艷

（1.河南工業(yè)大學(xué) 糧油食品學(xué)院，鄭州 450001；2.江蘇科技大學(xué) 糧食學(xué)院，江蘇 鎮(zhèn)江 212003）

我國是糧食生產(chǎn)和消費大國，也是糧食儲備大國。糧食作為關(guān)乎國計民生的重要戰(zhàn)略資源和特殊商品，保證其數(shù)量與質(zhì)量安全關(guān)系到社會穩(wěn)定和國民經(jīng)濟的平穩(wěn)發(fā)展[1]，而且糧食安全一直是我國戰(zhàn)略需求，因此減少糧食的產(chǎn)后損失具有重要的戰(zhàn)略意義。糧食經(jīng)過存儲、流通等環(huán)節(jié)，各個環(huán)節(jié)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(jù)保守估計，我國每年糧食作物產(chǎn)量總計為 4 500～5 000億公斤，每年由于害蟲破壞導(dǎo)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(jīng)濟損失超過 20億元[2-3]。因此，我國糧食的儲藏安全任務(wù)艱巨。

在目前信息化時代，建設(shè)結(jié)合自動化、信息化和集成化技術(shù)的智能化糧庫已經(jīng)成為一種必然的趨勢[4]，同時也是糧食倉儲企業(yè)實現(xiàn)智能化管理的有效方式[5]。相對于傳統(tǒng)的儲糧害蟲檢測技術(shù)，儲糧害蟲的智能化檢測和預(yù)警技術(shù)可以讓我們實時、準確地得知害蟲發(fā)生的動態(tài)變化，為儲糧有害生物預(yù)防提供有力的保障。目前，儲糧害蟲的在線檢測和監(jiān)測手段眾多，但這些監(jiān)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(guī)模使用[6-8]。本文通過綜述當前常見的儲糧害蟲檢測技術(shù)，以及智能化監(jiān)測與預(yù)警系統(tǒng)的研究成果，并分析每種技術(shù)的優(yōu)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(jiān)測研究進展

目前常見的害蟲智能化監(jiān)測手段均是基于害蟲的誘捕裝置，其中主要涉及的技術(shù)有誘捕技術(shù)、圖像處理技術(shù)、紅外光電傳感技術(shù)、聲音分析技術(shù)、電導(dǎo)傳感技術(shù)、傳輸技術(shù)、終端系統(tǒng)分析技術(shù)等[9]。誘集檢查技術(shù)是一種較為傳統(tǒng)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(xí)性，通過引誘劑將害蟲誘集到一定的區(qū)域內(nèi)[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(chǎn)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(lǐng)域的重點研究方向就是將最新、最先進的技術(shù)應(yīng)用到害蟲在線監(jiān)測設(shè)備中，實現(xiàn)對糧庫蟲害情況的自動化控制，以至于應(yīng)用大數(shù)據(jù)和互聯(lián)網(wǎng)的思維建設(shè)智能化糧庫。

1.1 基于圖像識別的儲糧害蟲智能化監(jiān)測

基于圖像識別技術(shù)的害蟲檢測系統(tǒng)是目前比較常見的，Ridgway等[11]實現(xiàn)了一種用于害蟲、鼠糞和麥角自動監(jiān)測的系統(tǒng)，采用最小運算律的線性分割器實現(xiàn)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(yù)處理并應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)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(xué)習(xí)的野外誘捕圖像害蟲自動監(jiān)測系統(tǒng)，采用滑動窗口來獲得區(qū)域建議框，然后配合監(jiān)測卷積神經(jīng)網(wǎng)絡(luò)來實現(xiàn)蛾類在粘蟲板上的計數(shù)，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(fā)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(xiàn)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(xué)習(xí)的粘蟲板儲糧害蟲圖像檢測算法，實現(xiàn)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(xué)習(xí)的目標檢測算法在儲糧害蟲檢測識別中的應(yīng)用，使用深度學(xué)習(xí)算法一定程度上克服了實際儲糧環(huán)境中，糧蟲圖片背景復(fù)雜、糧蟲行態(tài)變化大的難點，避免了傳統(tǒng)設(shè)計特征時可分性差、表達能力不足、過程繁瑣等缺點。從大數(shù)據(jù)中自動學(xué)習(xí)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(fā)算法的難度。

1.2 基于紅外光電技術(shù)的儲糧害蟲智能化監(jiān)測

應(yīng)用紅外光電傳感器的在線監(jiān)測系統(tǒng)是基于探管誘捕器和紅外光電傳感器的一種監(jiān)測裝置，其特點是價格經(jīng)濟，既能檢測糧堆內(nèi)部不同深度的害蟲發(fā)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(shù)器，它通過探管誘捕器內(nèi)安放紅外光電發(fā)射和接受二極管檢測通過的害蟲，害蟲墜落時會對光束產(chǎn)生遮擋，以遮擋程度是否超過預(yù)設(shè)閾值為特征來實現(xiàn)害蟲計數(shù)。Shuman等[19]研制了利用正交的雙紅外技術(shù)監(jiān)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(chǎn)生相應(yīng)的模擬信號。該系統(tǒng)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(shù)最終傳輸?shù)脚_式計算機上。一定程度上降低了害蟲下落姿態(tài)對計數(shù)準確率的影響，實現(xiàn)了對米象SitophilusoryzaeLinnaeus和銹赤扁谷盜CryptolestesferrugineusStephens的二分類。該系統(tǒng)不僅實現(xiàn)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(zhì)等。Opisystems公司利用實倉試驗的大量數(shù)據(jù)，開發(fā)出了基于電子計數(shù)裝置的統(tǒng)計模型，并將其注冊為了商業(yè)化產(chǎn)品 Insector。王威松等[20]設(shè)計研發(fā)了儲糧害蟲誘捕在線監(jiān)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(shù)據(jù)集，實現(xiàn)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(yīng)電信號的弊端。

1.3 基于聲學(xué)的儲糧害蟲智能化監(jiān)測

聲信號檢測法的原理是把聲信號轉(zhuǎn)換成電信號，通過電子過濾器把昆蟲發(fā)聲的頻率與環(huán)境中聲音的頻率區(qū)分，通過聲音傳播路程的比例和產(chǎn)生該種聲音傳播路程數(shù)量的多少來分辨儲糧昆蟲的種類和數(shù)量[10]，其最大的應(yīng)用前景在早期檢測谷物內(nèi)部的隱蔽性害蟲[21]。近幾年來，聲學(xué)傳感器的可靠性和有效性大大提高[22]。但是聲學(xué)方法在估計谷物內(nèi)部害蟲種群密度的應(yīng)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(tǒng)對采集到的聲音進行放大、濾波、參數(shù)化和分類，該方法對糧倉內(nèi)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(fā)現(xiàn)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(nèi)部害蟲聲音信號進行希耳伯特變換，并在音頻中剔除無關(guān)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(tǒng)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(fā)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(huán)境噪聲的影響基于聲信號的害蟲在線監(jiān)測系統(tǒng)尚未在大型糧庫內(nèi)得到應(yīng)用。

1.4 基于電容傳感器的儲糧害蟲智能化監(jiān)測

電容傳感器監(jiān)測害蟲的原理是對電容監(jiān)測電路檢測出的電容值變化范圍、變化次數(shù)進行分析處理，確定并記錄害蟲的種類數(shù)量，根據(jù)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(qū)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(shè)計了低功耗的蟲害檢測傳感器，實現(xiàn)了儲糧害蟲數(shù)量和種類的精確監(jiān)測，并與無線傳感器網(wǎng)絡(luò)技術(shù)結(jié)合，設(shè)計了易于部署的全無線儲糧害蟲監(jiān)測系統(tǒng)，該系統(tǒng)已應(yīng)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(jiān)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(chǎn)生的特征性物質(zhì)會改變糧食中的可揮發(fā)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(guān)氣體的含量了解儲糧的狀態(tài)[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(guān)注[27]。翟煥趁等[27]在大型糧倉中進行糧堆內(nèi)CO2氣體濃度監(jiān)測試驗，發(fā)現(xiàn)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(guān)研究表明，二氧化碳濃度與糧食中害蟲發(fā)生狀況顯著相關(guān)，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(fā)生狀態(tài)[29-32]。

2 儲糧害蟲智能化監(jiān)測系統(tǒng)組成

隨著智能化糧庫的建設(shè)和對糧食安全的重視，對智能化糧食的害蟲的智能化監(jiān)測技術(shù)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(shù)相結(jié)合設(shè)計了一套基于LabVIEW的儲糧蟲害監(jiān)測及自動分級報警系統(tǒng)。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(shù)據(jù)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(shù)。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(jiān)測系統(tǒng)的成本會居高不下，為了減少成本，使用光電技術(shù)來對害蟲數(shù)量進行輔助監(jiān)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(shè)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(zhuǎn)換為電信號，利用蟲子數(shù)量與光電信號電壓值之間的函數(shù)關(guān)系，通過代數(shù)運算及可得到對應(yīng)的蟲子數(shù)量。儲糧蟲害監(jiān)測及自動分及報警系統(tǒng)的硬件組成如圖1所示。

圖1 儲糧蟲害監(jiān)測及自動分及報警系統(tǒng)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(tài)模型的前提下利用圖像二值法建立了儲糧書虱自動化監(jiān)測系統(tǒng)，魯玉杰等[35]研發(fā)了一系列的儲糧害蟲智能化監(jiān)測系統(tǒng)，結(jié)合嗜蟲書虱種群增長模型的基礎(chǔ)上，開發(fā)了一套儲糧書虱的智能化監(jiān)測系統(tǒng)[36-38]。李虎和熊偉[39]結(jié)合現(xiàn)有的糧倉蟲害監(jiān)測方式，在原本監(jiān)測設(shè)備的基礎(chǔ)上進行升級，引入圖像處理與光電處理技術(shù)結(jié)合的方式，在信息處理平臺上設(shè)計昆蟲計數(shù)，溫、濕度監(jiān)控等各項指標的監(jiān)測軟件設(shè)計了一個糧倉蟲害監(jiān)測系統(tǒng)。該系統(tǒng)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(gòu)成（見圖2）。在系統(tǒng)軟件設(shè)計方面，通過 LabVIEW 平臺設(shè)計糧倉蟲害監(jiān)測及自動分級報警系統(tǒng)。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(xiàn)糧倉管理自動化，方便糧倉人員管理，確保國家的糧食衛(wèi)生安全。

圖2 根據(jù)糧倉溫濕度設(shè)置的蟲害檢測系統(tǒng)（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(yù)警系統(tǒng)

害蟲預(yù)測預(yù)報是害蟲綜合管理重要的組成部分，是一項監(jiān)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(fā)生發(fā)展的依據(jù)，更是農(nóng)業(yè)生產(chǎn)管理和決策的前提。隨著數(shù)學(xué)理論及其它學(xué)科的發(fā)展，害蟲的預(yù)測預(yù)報大致經(jīng)歷了經(jīng)驗預(yù)測、實驗預(yù)測、統(tǒng)計預(yù)測和信息預(yù)測四個發(fā)展階段[40]。隨著計算機時代的到來，國內(nèi)外在病蟲害監(jiān)測預(yù)警信息化研究上取得了極大的進展[41-43]。

頓文峰[44]設(shè)計了一個柑橘實蠅害蟲監(jiān)測預(yù)警系統(tǒng)，方便植保人員在收集柑橘實蠅害蟲監(jiān)測數(shù)據(jù)之后，通過網(wǎng)絡(luò)進行監(jiān)測數(shù)據(jù)填報、查詢、以及數(shù)據(jù)匯總分析，除此之外，本系統(tǒng)還應(yīng)該為他們提供地圖可視化服務(wù)，便于他們從地圖上了解監(jiān)測點空間位置,各個區(qū)域監(jiān)測點監(jiān)測動態(tài)情況，在結(jié)合相關(guān)生態(tài)學(xué)模型研究柑橘害蟲適生性之后發(fā)布柑橘實蠅害蟲預(yù)警信息,旨在幫助植保人員通過網(wǎng)絡(luò)傳遞和共享信息資源，掌握所在地區(qū)的柑橘實蠅害蟲發(fā)生動態(tài)，采取必要的防治措施。為實現(xiàn)系統(tǒng)開發(fā)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(shè)計了如圖3所示的害蟲檢測預(yù)警系統(tǒng)。

圖3 柑橘實蠅監(jiān)測預(yù)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(huán)境較實驗室條件更為復(fù)雜、害蟲的體長、食性、姿態(tài)都具有多樣性?，F(xiàn)有的智能化監(jiān)測預(yù)警系統(tǒng)在實際應(yīng)用中都存在其局限性且存在標準化流程未規(guī)范的情況，均未得到大規(guī)模的使用。Shen等[45]和 Li等[46]利用大數(shù)據(jù)學(xué)習(xí)技術(shù)和物聯(lián)網(wǎng)技術(shù)建立了多種儲糧害蟲的監(jiān)測系統(tǒng)，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(tǒng)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(yù)警系統(tǒng)和專家決策系統(tǒng)，以期能夠解決儲糧害蟲的監(jiān)測和智能化預(yù)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(zhàn)略需求，保證糧食安全必須減少有害生物的發(fā)生，智能化糧庫的建設(shè)已經(jīng)成為必然趨勢。其中儲糧害蟲的智能化檢測與預(yù)警系統(tǒng)是其中的重要組成部分?；趫D像識別的檢測系統(tǒng)能自動識別糧堆中的害蟲，但是無法檢測糧粒內(nèi)部害蟲；基于紅外光電技術(shù)的在線檢測成本低廉、計數(shù)準確，但是對體態(tài)相近的害蟲的區(qū)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(nèi)部有死蟲的糧粒；氣體分析法有取樣方便、檢測快捷和監(jiān)測靈敏等多種獨特的優(yōu)勢。

本文綜述了現(xiàn)有的儲糧害蟲智能化檢測和預(yù)警系統(tǒng)。未來智能化監(jiān)測系統(tǒng)重點關(guān)注以下兩點：一是要加強電子技術(shù)特別是大數(shù)據(jù)的應(yīng)用，得到更多快速衡量害蟲數(shù)量和種類的指標，利于害蟲分類的特征。制定規(guī)范害蟲在線監(jiān)測技術(shù)方面的行業(yè)標準。二是研究影響害蟲發(fā)生的多種環(huán)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(fā)生的多場耦合模型，根據(jù)耦合規(guī)律和模型，建立害蟲的預(yù)測預(yù)警模型，基于機理驅(qū)動和數(shù)據(jù)驅(qū)動的人工智能識別系統(tǒng)，以支撐檢測、預(yù)警、防治這一完整鏈條，做到及時發(fā)現(xiàn)，合理防治。