害蟲自動識別與計數(shù)技術研究進展與展望

陳梅香，楊信廷，石寶才，李文勇，杜曉偉，李 明，孫傳恒*

(1.國家農業(yè)信息化工程技術研究中心，北京 100097;2.農業(yè)部農業(yè)信息技術重點實驗室，北京 100097;3.北京市農林科學院植物保護環(huán)境保護研究所，北京 100097)

害蟲預測預報是害蟲綜合治理的重要前提，害蟲預測預報的首要工作是進行害蟲識別和數(shù)量獲取。傳統(tǒng)的害蟲識別與計數(shù)主要應用田間調查法、誘集法等，這些方法耗時、費力，且數(shù)據(jù)的調查、記錄、上報的環(huán)節(jié)多，監(jiān)測人員的工作量大，主觀因素影響大，數(shù)據(jù)應用的時效性差，影響害蟲的準確預測預報，不能滿足生產(chǎn)實際需求。為了解決害蟲識別、數(shù)量數(shù)據(jù)獲取上費時、費力的問題，科學家不斷探索害蟲自動識別與計數(shù)的新技術。隨著計算機技術、微電子技術等的發(fā)展，害蟲自動識別與計數(shù)技術取得了很大的進步，目前害蟲自動識別與計數(shù)技術主要有聲音信號、圖像技術、紅外傳感器等(胡麗華等，2007;周志艷等，2010)，這些技術的發(fā)展提高了害蟲自動識別與計數(shù)的效率，促進精準農業(yè)的實施，減少害蟲為害帶來的損失，降低環(huán)境污染，提高害蟲綜合治理水平。本文綜述了國內外關于聲音信號、圖像技術、紅外傳感器技術在害蟲自動識別和計數(shù)上的相關研究成果，并比較這些方法的優(yōu)缺點，為進一步開展相關研究與應用提供參考，以促進害蟲自動識別與計數(shù)技術水平的提高，符合生產(chǎn)實際對害蟲準確預測預報的需求。

1 聲音信號識別與計數(shù)技術

聲音監(jiān)測原理是將采集到的聲音信號變成電信號，對其進行放大處理，通過電子過濾器純化提取出昆蟲發(fā)出的聲音，根據(jù)聲音頻率、信號脈沖值的特征值確定昆蟲的種類和數(shù)量(韋雪青等，2010a)。早期的害蟲聲音監(jiān)測系統(tǒng)主要由壓電式麥克風、低噪聲前置放大器、磁帶錄音機、示波器等組成，聲音監(jiān)測系統(tǒng)對操作環(huán)境要求高，采集過程中受噪聲影響大，失真情況較嚴重。通過長期的發(fā)展，害蟲聲音信號的采集、存儲、分析都發(fā)生了巨大變化，現(xiàn)代的害蟲聲音監(jiān)測系統(tǒng)主要包括傳感器、前置放大器、數(shù)字錄音機、監(jiān)聽耳機、計算機或微處理器。傳感器采集到聲音信號，經(jīng)前置放大器放大后傳入數(shù)字錄音機，利用計算機軟件對聲音信號進行分析，逐步發(fā)展到害蟲種類識別、害蟲數(shù)量計數(shù)，為害蟲綜合治理提供了重要依據(jù)。

國外害蟲聲音監(jiān)測研究開展得較早，Brain(1924)利用機電設備檢測到水果中害蟲的吃食聲，證明了聲測法的可行性;Adams et al.(1953)應用麥克風、示波器等檢測到了受損糧食中害蟲活動的聲音。早期害蟲聲音監(jiān)測研究受到科研條件的限制，發(fā)展緩慢。上世紀80-90年代，隨著計算機技術、聲學技術的快速發(fā)展，極大促進了害蟲聲音監(jiān)測技術的發(fā)展，主要專家有Hagstrum、Shuman 等。Hagstrum et al.(1991)研制了一種檢測倉儲麥子中赤擬谷盜 Tribolium castaneum(Herbst)數(shù)量的自動監(jiān)測系統(tǒng)，根據(jù)害蟲發(fā)聲數(shù)與害蟲數(shù)之間的統(tǒng)計關系，可估計害蟲數(shù)量;1996年Hagstrum et al.用自動化害蟲聲音監(jiān)測法監(jiān)測到了糧桶中所有被發(fā)現(xiàn)的谷蠹Rhyzopertha dominica Fabricius、米 象 Sitophilus oryzae(Linnaeus)、赤擬谷盜，且害蟲發(fā)聲數(shù)與種群數(shù)量密切相關。Shuman et al.于1993年研制出第一代“聲探測定位昆蟲檢測器(Acoustic Location Finger-printing Insect Detector，ALFIDI1)”，該檢測器只適用于1 頭害蟲的環(huán)境，多于1 頭時則計數(shù)不準確，為了解決存在的問題，1997年Shuman et al.研制了第二代“聲探測昆蟲特征檢測器(ALFIDI2)”，該系統(tǒng)分辨小麥樣品中多個害蟲的檢測準確率較高。二十一世紀，隨著美國Acoustic Emission Consulting(AEC)公司研制出便攜式聲音監(jiān)測儀(AED-2000)以及加速度傳感器的推廣應用，害蟲聲音監(jiān)測對象從儲糧害蟲擴展到了野外環(huán)境中的地下害蟲、蛀干害蟲等。以Mankin為代表的專家團隊在害蟲聲學特性、數(shù)量監(jiān)測上進行了諸多研究。在儲糧害蟲方面，Mankin et al.(2002)基于壓電傳感器研究了倉儲害蟲印度谷螟Plodia interpunctella 的聲學特征。地下害蟲方面，Mankin et al.利用聲音探測方法進行了柑桔象鼻蟲Diaprepes abbreviates(L.)數(shù)量的探測(Mankin et al，2001;Mankin and Lapointe，2003)。蛀干害蟲方面，Mankin et al.分別基于壓電傳感器、加速度傳感器開展了光肩星天牛 Anoplophora glabripennis、棕櫚樹犀角金龜Oryctes rhinoceros 為害聲音特征監(jiān)測(Mankin et al，2008;Mankin and Moore，2010)。

國內基于聲音信號的害蟲監(jiān)測研究相對較晚，二十世紀主要應用聲音監(jiān)測技術研究害蟲發(fā)聲特點。1979年，武漢市白蟻防治研究所開發(fā)了BS-1型白蟻聲頻探測儀(由探頭和聲頻放大器組成)，能放大白蟻取食時發(fā)出的微弱信號(黃曉光，2005)。殷柏濤等(1991)應用自制的振動信號儀研究褐飛虱Nilaparvata lugens 的鳴聲特性。進入二十一世紀，基于聲音信號的害蟲監(jiān)測對象明顯增多，主要包括儲糧害蟲、水稻害蟲、林木鉆蛀害蟲等。儲糧害蟲方面，耿森林等(2005)基于隔聲室、麥克風、Matlab 等進行害蟲聲音信號的采集和處理，構建了倉儲糧食雜擬谷盜Tribolium confusum、谷蠹、米象等主要害蟲爬行聲的功率譜特征數(shù)據(jù)庫，為儲糧害蟲聲檢測法的進一步發(fā)展提供了可借鑒的方法和共享資源。郭敏等(2006)研究了赤擬谷盜、谷蠹、雜擬谷盜等5種儲糧害蟲爬行聲的特征。韓安太(2011)設計了一種基于無線傳感器網(wǎng)絡的新型多參數(shù)糧情自動檢測系統(tǒng)，系統(tǒng)能同時對糧倉內外環(huán)境、儲糧害蟲進行實時、多點檢測，并將監(jiān)測數(shù)據(jù)發(fā)送給遠程監(jiān)控中心。水稻害蟲方面，姚青等(2005)基于人工神經(jīng)網(wǎng)絡進行了稻飛虱Nilaparvata lugens(St?l)、白背飛虱Sogatella furcifera(Horvath)、灰飛虱Laodelphax striatellus(Fallen)等7種飛虱鳴聲的識別。林木蛀干害蟲方面，韋雪青等(2010b)基于AED-2000 聲音監(jiān)測儀、Matlab 等組成的聲音信號采集、分析系統(tǒng)研究了紅脂大小蠹Dendroctonus valens(LeConte)、雙條杉天牛Semanotus bifasciatus(Motschulsky)、光肩星天牛、桑天牛 Apriona germari(Hope)的取食、爬行信號特征。

從上述研究可以看出害蟲聲學監(jiān)測的研究適用于在取食、爬行等行為中會發(fā)出聲音的害蟲的探測，以及用其它方法不容易監(jiān)測到的害蟲，主要對象有儲糧害蟲、地下害蟲、蛀干害蟲等，聲音監(jiān)測方法較其它方法有獨特的優(yōu)勢，可以做到早發(fā)現(xiàn)、早防治。聲學監(jiān)測應用方面主要應用聲音傳感器獲取害蟲取食、爬行等行為中發(fā)出的聲音，通過聲音信號處理獲取聲學特征信息以及害蟲數(shù)量信息，目前主要側重于害蟲聲學特征的研究，用于害蟲數(shù)量監(jiān)測相對較少，這主要是由于害蟲聲學特征的監(jiān)測容易受到環(huán)境噪聲的干擾，與害蟲具體數(shù)量的對應上還有一定難度。

2 圖像識別與計數(shù)技術

基于圖像的昆蟲自動識別、計數(shù)的原理是利用數(shù)碼相機或其他數(shù)字產(chǎn)品，獲得昆蟲圖像，利用圖像處理技術獲得昆蟲種類與數(shù)量，研究步驟一般包括圖像采集、圖像預處理、特征提取與優(yōu)化、模式識別和計數(shù)等(姚青等，2011)。國內外于20 世紀80年代開始基于圖像技術進行昆蟲識別研究，早期主要應用于昆蟲分類，隨著該技術的不斷成熟，該技術逐步應用于儲糧害蟲、田間害蟲的監(jiān)測識別、計數(shù)研究，其重點是獲取較清晰的圖像以及后期的圖像處理技術。

基于圖像的昆蟲分類識別方面，國外的研究始于80年代，90年代開始有較多研究，其中較突出的研究成果是三大識別系統(tǒng)，一是Schrōder et al.(1995)研究了蜂類自動識別系統(tǒng)(Automated Bee Identification System，ABIS)根據(jù)蜂的翅脈特征進行識別，能識別到種水平;二是Weeks et al.(1999)研究了數(shù)字圖像自動識別系統(tǒng)(the Digital Automated Identification System，DAISY)，該系統(tǒng)適用性較廣，可應用于蛾類、魚類、植物的圖像分類(Watson et al，2003);三是種類自動識別系統(tǒng)(Species Identified Automatically，SPIDA)，用于自動鑒定澳大利亞的121種蜘蛛，該系統(tǒng)基于人工神經(jīng)網(wǎng)絡分類器方法實現(xiàn)蜘蛛的自動認別，是網(wǎng)絡版的，用戶可通過網(wǎng)絡上傳蜘蛛圖像讓系統(tǒng)進行分類(Do et al.，1999)。國內80年代基于圖像的害蟲識別研究相對較少，90年代起，中國農業(yè)大學沈佐銳教授指導的IPMist 實驗室研發(fā)了昆蟲圖像處理與鑒定軟件BugVisux、蝴蝶自動識別軟件、昆蟲種類遠程鑒定軟件RemoteBug、蛾類昆蟲分類鑒定系統(tǒng)等一系列成果(趙汗青等，2002;張建偉等，2006;楊紅珍等，2008;蔡小娜等，2013)，極大促進了基于圖像的昆蟲自動識別與計數(shù)技術的發(fā)展。國內的學者在基于內容的昆蟲圖像識別方面也做了大量研究，主要的有臺灣國立大學Chen(2000)研究了基于內容的蝴蝶圖像檢索系統(tǒng);中國科學院動物所的Wang et al.(2012)研究了基于內容的圖像檢索(CBIR)方法，進行了蝴蝶科水平的鑒定識別，鳳蝶科的鑒別準確率達84%?；趫D像識別技術的昆蟲分類研究所涉及的昆蟲種類多樣，圖像獲取工作于實驗室進行，主要識別方法包括統(tǒng)計分析、人工智能、基于內容的圖像檢索等，識別準確率較高，但對待識別昆蟲的圖像要求相對規(guī)范。

基于圖像的儲糧害蟲監(jiān)測識別、計數(shù)研究始于20 世紀90年代，Zayas and Flinn(1998)采用數(shù)字圖像處理技術基于統(tǒng)計判別分析識別小麥中的谷蠹及其它雜物，識別準確率達90% 以上。Ridgway et al.(2001)開發(fā)了一套基于機器視覺的儲糧害蟲高速檢測系統(tǒng)，集成混合自適應閾值分割算法，線性特征檢測包，用于檢測儲糧中的害蟲及其它雜物，對小麥樣本的檢出率為89%-96%。國內方面，華北水利水電學院邱道尹團隊(2003)進行了基于機器視覺的儲糧害蟲智能檢測系統(tǒng)軟硬件的設計，應用模糊決策分類器對糧倉中常見的玉米象Sitophilus zeamais Motschulsky、米象、赤擬谷盜等9種害蟲的識別，正確率達95.2%，實現(xiàn)了儲糧害蟲的自動監(jiān)測。盧亞玲(2007)研究了基于圖像處理的糧蟲自動計數(shù)系統(tǒng)，該系統(tǒng)應用連通區(qū)域標記方法進行害蟲計數(shù)，平均相對誤差為1.8%。Yang et al.(2011)研究了基于視頻的儲糧害蟲檢測與識別系統(tǒng)，該系統(tǒng)通過使用視頻數(shù)據(jù)替代靜態(tài)圖像，利用運動估計和多幀驗證技術，在活蟲檢測上具有強大的功能。相關研究結果表明基于圖像的儲糧害蟲監(jiān)測的對象種類相對較少，識別計數(shù)方法主要包括統(tǒng)計分析、連通區(qū)域標記等，監(jiān)測識別于室內條件下進行，條件相對可控，監(jiān)測識別計數(shù)技術相對成熟，計數(shù)準確率較高。

田間環(huán)境復雜，害蟲的監(jiān)測識別、計數(shù)研究開展得相對較晚。Gassoumi et al.(2000)設計了基于計算機視覺的棉田昆蟲分類識別系統(tǒng)，應用人工神經(jīng)網(wǎng)絡對棉田12種常見昆蟲進行分類，除1種昆蟲識別的準確率為72%外，其余11種識別的準確率均達到90%以上。Murakami et al.(2005)采用灰度共生矩陣、線性判別分析方法對黃瓜葉片上的薊馬Thrips tabaci L.進行辨別，分類正確率達98%以上。Shariff et al.(2006)開發(fā)了基于模糊邏輯的數(shù)字圖像處理算法，對水稻田間稻縱卷葉螟Marasmia patnalis、直紋稻弄蝶Pelopidas mathias、稻暮眼蝶Melanitis leda 等6種常見害蟲的圖像進行識別、計數(shù)，取得了較好的識別效果。Tirelli et al.(2011)研究了基于無線網(wǎng)絡圖像傳感器的害蟲遠程自動監(jiān)測預警系統(tǒng)，應用背景差分技術實現(xiàn)害蟲計數(shù)，當昆蟲密度超過閾值時發(fā)出預警信息。Fukatsu et al.(2012)通過融合機器視覺與無線網(wǎng)絡，基于背景差分技術的圖像算法實現(xiàn)了田間害蟲稻緣蝽Leptocorisa chinensis Dallas的遠程自動監(jiān)測計數(shù)，計數(shù)準確率達89.1%。國內方面，沈佐銳、于新文(2001)應用計算機視覺技術對溫室白粉虱Trialeurodes vaporariorum(Westwood)進行自動計數(shù)，計數(shù)準確率達92%。邱道尹等(2007)設計了基于機器視覺的農田害蟲實時檢測系統(tǒng)，基于神經(jīng)網(wǎng)絡分類器對農田常見的9種害蟲進行分類，準確率達93.5%。Wen and Guyer(2012)研究了基于圖像的果園害蟲自動鑒定與分類方法，通過結合局部與全局特征，對蘋果蠹蛾Cydia pomonella、紅帶卷蛾Argyrotaenia velutinana、玫瑰色卷蛾Choristoneura rosaceana 等5種果園害蟲進行分類，分類準確率達86.6%。Yao et al.(2012)研究了水稻田燈誘害蟲自動鑒定、計數(shù)系統(tǒng)，基于支持向量機進行害蟲識別，平均識別準確率達97.5%。韓瑞珍和何勇(2013)設計了一套基于計算機視覺的遠程大田害蟲自動識別系統(tǒng)，該系統(tǒng)對大螟Sesamia inferens、稻螟蛉Naranga aenesc、二化螟Chilo suppressalis 等6種常見大田害蟲平均識別率達87.4%。上述研究結果表明，基于圖像的田間害蟲識別對象主要包括薊馬、粉虱、蚜蟲以及鱗翅目害蟲等，害蟲識別計數(shù)方法主要包括神經(jīng)網(wǎng)絡、支持向量機、模糊邏輯算法等，計數(shù)準確率較高，基于圖像的害蟲識別與計數(shù)具有省時、省力的特點，具有廣闊的推廣應用前景;但受鱗翅目害蟲種類多、姿態(tài)多的影響，尤其是燈誘場景下，多姿態(tài)害蟲自動識別難度大。近年來，多姿態(tài)害蟲的識別逐漸受到關注。呂軍等(2012)研究了基于模板匹配的多目標水稻燈誘害蟲識別方法，研究結果表明害蟲多模板匹配法的識別率顯著高于單模板匹配法的識別率。李文勇等(2014)開展了基于機器視覺的多姿態(tài)害蟲特征提取與分類方法研究，結果表明基于HSV 三通道顏色圖像的小波紋理特征組在建模時間和平均準確率方面表現(xiàn)最優(yōu)，可作為一種有效的多姿害蟲分類特征選擇。

基于圖像的昆蟲自動識別與計數(shù)技術具有省時省力、智能化等優(yōu)點，目前已成為昆蟲識別與計數(shù)研究領域的熱點?；趫D像的昆蟲自動識別多數(shù)在實驗室條件下進行照片獲取，對需要識別的圖像要求相對規(guī)范;此外，目前主要應用二維圖像信息進行害蟲識別，而田間害蟲種類多，姿態(tài)多樣，且野外環(huán)境中采集的害蟲背景復雜，二維圖像所獲取的害蟲信息不全，害蟲識別算法的普適性容易受到影響，識別準確率有待進一步提高。

3 紅外傳感器監(jiān)測計數(shù)技術

基于紅外傳感器的害蟲監(jiān)測計數(shù)原理是采用誘捕器或含有性信息素的誘捕器進行害蟲的誘捕，用對射式或反射式紅外傳感器進行落入害蟲信號的采集，脈沖信號經(jīng)微處理器放大處理后，形成計數(shù)脈腫，觸發(fā)計數(shù)器計數(shù)。早期的紅外傳感器監(jiān)測系統(tǒng)主要由害蟲誘捕器、紅外傳感器、計算機或單片機、有源電源組成，適用于倉儲害蟲的檢測;現(xiàn)代的紅外傳感器監(jiān)測系統(tǒng)增加了環(huán)境因子傳感器、GPS 定位、數(shù)據(jù)傳輸系統(tǒng)，極大提高了監(jiān)測效率，電源可由有源電源或蓄電池、太陽能相結合供電，促進了紅外傳感器監(jiān)測計數(shù)技術在田間環(huán)境中的推廣應用。

國外從事基于紅外傳感器進行害蟲監(jiān)測的國家有美國、韓國等，尤其是美國在應用紅外傳感器進行害蟲識別計數(shù)方面有較多研究。20 世紀90年代，美國專家應用紅外傳感器進行儲糧害蟲的監(jiān)測計數(shù)，并取得了成功的先例。Shuman et al.(1996)研究了基于計算機的監(jiān)測為害存儲產(chǎn)品的電子探管害蟲計數(shù)器(Electronic Grain Probe Insect Counter，EGPIC)，該計數(shù)器應用單對紅外傳感器對落入探管的鋸谷盜 Oryzaephilus surinamensis(Linnaeus)、谷象Sitophilus granaries(Linnaeus)、米象等6種儲糧害蟲進行實時監(jiān)測、計數(shù)，計數(shù)精度在88%-99%之間。通過對電子探管害蟲計數(shù)器的改進后，Shuman et al.(2005)用雙紅外傳感器監(jiān)測害蟲，通過分析昆蟲落入紅外線光束時產(chǎn)生的脈沖信號，根據(jù)害蟲大小進行米象、銹赤扁谷盜Cryptolestes ferrugineus(Stephens)、鋸谷盜等6種儲糧害蟲種類的鑒別。在田間害蟲監(jiān)測上，美國專家Park et al.(2012)從2009年開始研究基于多對紅外傳感器的性誘劑誘集害蟲的遠程監(jiān)測計數(shù)器，數(shù)據(jù)由通訊網(wǎng)絡傳輸?shù)椒掌?經(jīng)過多年的改進，新產(chǎn)品Z-Trap 目前已處于田間試驗階段。

中國也是較早應用紅外傳感器進行害蟲監(jiān)測計數(shù)的國家，國內進行害蟲計數(shù)的單位有中國農業(yè)科學院、臺灣國立大學、北京市農林科學院等。馬春森等(2004)研究了昆蟲誘捕自動記錄裝置，該昆蟲誘捕自動記錄裝置由對射式的紅外二極管等間距組成，不僅可以記錄被誘捕的昆蟲數(shù)量，而且還可以記錄所對應的時間。隨著通信技術的飛速發(fā)展，促進了基于紅外傳感器的害蟲遠程自動監(jiān)測技術的發(fā)展，臺灣國立大學Jiang et al.(2008)設計了基于雙層紅外傳感器的桔小實蠅Bactrocera dorsalis(Hendel)誘捕和自動計數(shù)的系統(tǒng)，計數(shù)準確率為80%左右;遠程害蟲監(jiān)測系統(tǒng)能自動地上傳實時的氣象因子信息和誘捕害蟲的數(shù)量。石寶才等(2009)研究了基于多個紅外傳感器的多功能全自動智能型害蟲測報系統(tǒng)，促進了害蟲監(jiān)測自動化的發(fā)展。杜曉偉等(2012)研制了基于雙正交紅外傳感器的害蟲自動計數(shù)裝置，該裝置判斷害蟲進出方向并能獲取害蟲的長度信息，有利于提高害蟲計數(shù)的準確率。文韜等(2014)研制了基于雙層紅外傳感器的橘小實蠅成蟲誘捕監(jiān)測裝置，該裝置能判斷害蟲的進出方向，監(jiān)測相對誤差為3%-8%，能夠滿足現(xiàn)有的桔小實蠅成蟲長時期數(shù)據(jù)動態(tài)監(jiān)測的需求。

上述研究結果表明應用紅外傳感器進行害蟲監(jiān)測是一種新興的技術方法，主要監(jiān)測對象是儲糧害蟲、誘集性害蟲，其方法是應用紅外傳感器的不同部署方法進行害蟲監(jiān)測計數(shù)，主要優(yōu)點是計數(shù)速度快，對環(huán)境條件要求較低，抗干擾性強，對倉儲害蟲、田間害蟲均能進行監(jiān)測。隨著將紅外傳感器監(jiān)測技術與通訊傳輸技術相結合，開拓了害蟲遠距離、大面積監(jiān)測的新局面，促進了害蟲監(jiān)測自動化的發(fā)展，有效節(jié)省人力、物力。但紅外傳感器只能基于害蟲的大小進行種類識別，能區(qū)分大小差異顯著的害蟲，但難以區(qū)分大小接近的害蟲;此外，還存在著將其它落入物進行計數(shù)，造成多計數(shù)的結果。

4 展望

不同的昆蟲自動識別與計數(shù)技術具有不同的適用環(huán)境，每一種方法都有其它方法不可替代的優(yōu)勢。聲音信號是較早發(fā)展的害蟲自動監(jiān)測與識別技術，始于20 世紀20年代，適用于會發(fā)聲害蟲的監(jiān)測，尤其適用于發(fā)生場所比較隱蔽的害蟲，如儲糧害蟲、地下害蟲、蛀干害蟲等，可以早期探測到這些害蟲的存在，但害蟲聲音信號容易受到環(huán)境噪聲的干擾，此外信號采集環(huán)境、處理技術相對要求較高。圖像技術應用于害蟲識別始于20 世紀80年代，主要應用二維圖像技術進行害蟲識別，適用于集中誘集拍照后的害蟲的監(jiān)測，如燈誘、性誘等，圖像技術獲取的是害蟲外觀特征，在害蟲識別上具有獨特的優(yōu)勢，但對照相環(huán)境有一定要求，即能拍到較清晰的照片;此外害蟲種類多、姿態(tài)多樣，基于二維圖像信息的害蟲識別算法容易受到影響。紅外傳感器應用于害蟲監(jiān)測發(fā)展于20 世紀90年代，適用于性誘、食誘等害蟲的監(jiān)測，紅外計數(shù)速度快，但在害蟲種類識別上較弱，并且容易受到其它落入物的干擾。

聲音信號、圖像技術、紅外傳感器技術在害蟲自動識別與計數(shù)上各有特點，因此，可將多種技術進行結合，如將聲音傳感器或紅外傳感器與圖像技術相結合，通過獲取害蟲的多源信息，以達到優(yōu)勢互補的效果，可有效克服單一技術存在的不足。陳梅香等(2014)研究了基于紅外傳感器與圖像技術相結合的害蟲監(jiān)測裝置，該裝置能夠實現(xiàn)基于紅外傳感器計數(shù)和圖像計數(shù)兩種計數(shù)結果的相互校驗，當兩種計數(shù)方式的結果不一致時，還可以根據(jù)計數(shù)裝置的輸出結果進行追溯，有利于促進害蟲計數(shù)準確率的提高。

田間害蟲種類多，姿態(tài)多樣，單一基于二維圖像信息對害蟲進行識別，其識別算法的普適性受到一定的影響。而三維信息在物體姿態(tài)變化的過程中信息不會丟失，能克服姿態(tài)變化引起的識別難題。Nguyen et al.(2013)研究了基于圖像構建昆蟲真彩色3D 模型的方法，并提出將三維技術的優(yōu)越性應用于檢疫性害蟲的檢測，以提高害蟲的檢測效率。

不同的害蟲自動識別與計數(shù)技術各有優(yōu)缺點，通過將不同的害蟲自動識別與計數(shù)技術的給合，建立綜合的監(jiān)測技術方法，不同監(jiān)測技術之間相互取長補短，可有效提高害蟲識別與計數(shù)的準確率。三維信息在物體識別上具有很強的魯棒性，因此，害蟲三維信息的優(yōu)勢有待進一步挖掘，以解決基于二維圖像的害蟲識別算法遇到多種類、多姿態(tài)害蟲時引起普適性降低的問題。

References)

Adams RE，Wolfe JE，Milner M，et al.Aural detection of grain infested internally with insects［J］.Science，1953，(118):163-164.

Brain CK.Preliminary note on the adaptation of certain radio principles to insect investigation work［J］.Ann.Univ.Stellenbosch.Ser.，1924，(2):45-47.

Cai XN，Huang DZ，Shen ZR，et al.Systematic research on the classification of moths using math-morphological characters of wingsⅠ:Superfamily level［J］.Journal of China Agricultural University，2013，18(4):96-104.［蔡小娜，黃大莊，沈佐銳，等.利用翅的數(shù)學形態(tài)特征對蛾類昆蟲進行分類鑒定的系統(tǒng)研究-在總科級階元上的應用［J］.中國農業(yè)大學學報，2013，18(4):96-104］

Chen BC.Content-based Image Retrieval of Butterflies［D］.Taibei:National Taiwan University，2000.

Chen MX，Li WY，Shi BC，et al.A kind of counting device for pests［P］.2014，ZL201420152214.6.［陳梅香，李文勇，石寶才，等，一種害蟲計數(shù)裝置［P］，2014，201420152214.6］

Do MT，Harp JM，Norris KC.A test of a pattern recognition system for identification of spiders［J］.Bulletin of Entomological Research，1999，89:217-224.

Du XW，Chen MX，Zhou C，et al.A kind of identifying and counting device for pests［P］.2012，ZL201220484350.6.［杜曉偉，陳梅香，周超，等.昆蟲誘捕分類計數(shù)裝［P］.2012，ZL201220484350.6］

Fukatsu T，Watanabe T，Hu HM，et al.Field monitoring support system for the occurrence of Leptocorisa chinensis Dallas(Hemiptera:Alydidae)using synthetic attractants，field servers，and image analysis［J］.Computers and Electronics in Agriculture，2012，80:8-16.

Gassoumi H，Prasad NR，Ellington JJ.Neural Network-Based Approachfor Insect Classification in Cotton Ecosystems［C］.Thailand:Bangkok，2000.

Geng SL.The Detection and Analysis of the Stored Grain Insect Sound Characteristic and its Database Instauration［D］.Xi'an:Shaanxi Normal University，2005b.［耿森林.儲糧害蟲活動聲特征檢測、分析及其數(shù)據(jù)庫建立［D］.西安:陜西師范大學，2005b］

Guo M，Shang ZY，Bai Y.Collecting and analyzing the sound signal character of pest in stored grain［J］.Journal of Yunnan University(Natural Sciences Edition)，2006，28(6):497-503.［郭敏，尚志遠，白雅.儲糧害蟲微弱聲信號特征提取與分析［J］.云南大學學報(自然科學版)，2006，28(6):497-503］

Hagstrum DW，Vick KW，F(xiàn)linn PW.Automated acoustical monitoring of Tribolium castaneum(Coleoptera:Tenebrionidae)populations in stored wheat［J］.J.Econ.Entomol.，1991，84:1604-1608.

Hagstrum DW，F(xiàn)linn PW，Shuman D.Automated monitoring using acoustical sensors for insects in farm stored wheat［J］.Econ.Entomol.，1996，89(1):211-217.

Han RZ，He Y.Remote automatic identification system of field pests based on computer vision［J］.Transactions of the Chinese Society of Agricultural Engineering，2013，29(03):156-162.［韓瑞珍，何勇.基于計算機視覺的大田害蟲遠程自動識別系統(tǒng)［J］.農業(yè)工程學報，2013，29(03):156-162］

Hu LH，Guo M，Zhang JH，et al.New detection technology and application status of stored-grain insects［J］.Transactions of the Chinese Society of Agricultural Engineering，2007，23(11):286-290.［胡麗華，郭敏，張景虎，等.儲糧害蟲檢測新技術及應用現(xiàn)狀［J］.農業(yè)工程學報，2007，23(11):286-290］

Huang XG.Theory of audio explorer and its application in termites exploration［J］.Chinese Journal of Hygienic Insecticides ＆Equipments，2005，11(5):355.［黃曉光.聲頻探測器的原理及其在白蟻探測中的應用［J］.中華衛(wèi)生殺蟲藥械，2005，11(5):355］

Jiang JA，Tseng CL，Lu FM，et al.A GSM-based remote wireless automatic monitoring system for fleld information:A case study for ecological monitoring of the oriental fruit fly，Bactrocera dorsalis(Hendel)［J］.Computers and Electronics in Agriculture，2008，62:243-259.

Li WY，Li M，Chen MX，et al.Feature extraction and classification method of multi-pose pests using machine vision［J］.Transactions of the Chinese Society of Agricultural Engineering，2014，30(14):154-162.［李文勇，李明，陳梅香，等.基于機器視覺的作物多姿態(tài)害蟲特征提取與分類方法［J］.農業(yè)工程學報，2014，30(14):154-162］

Lu YL.Study for automatic grain insect counting system based on image processing［J］.Control ＆ Automation，2007，23(24):311-312.［盧亞玲.基于圖像處理的糧蟲自動計數(shù)系統(tǒng)的研究［J］.微計算機信息，2007，23(24):311-312］

Lv J，Yao Q，Liu QJ，et al.Identification of multi-objective rice light-trap pests based on template matching［J］，Chin.J.Rice Sci.，2012，26(5):619-623.［呂軍，姚青，劉慶杰，等.基于模板匹配的多目標水稻燈誘害蟲識別方法的研究［J］.中國水稻科學.2012，26(5):619-623］

Ma CS，Tong CF，Wu GF，et al.Automatic recording device for insect trapping［P］.2004，ZL 200420116083.2.［馬春森，仝乘風，巫國棟，等.昆蟲誘捕自動記錄裝置［P］.2004，ZL 200420116083.2］

Mankin RW，Lapointe SL，F(xiàn)ranqui RA.Acoustic surveying of subterranean insect populations in Citrus groves［J］.Ecology and Behavior，2001，94(4):853-859.

Mankin RW.Increase in acoustic detectability of Plodia interpunctella(Lepidoptera:Pyralidae)larvae in stored products after electrical stimulation［J］.The Florida Entomologist，2002，85(3):524-526.

Mankin RW，Lapointe SL.Listening to the larvae acoustic detection of Diaprepes abbreviatus(L.)［J］.Proc.Fla.State Hort.Soc.，2003，(116):304-308.

Mankin RW，Smith M，Atkinson E，et al Detection of Anoplophora glabripennis(Coleoptera Cerambycidae)larvae in different host trees and tissues by automated analyses of sound-impulse frequency and temporal patterns［J］.Econ.Entomol.，2008，101(3):838-849.

Mankin RW，Moore A.Acoustic detection of Oryctes rhinoceros(Coleoptera:Scarabaeidae:Dynastinae)and Nasutitermes luzonicus(Isoptera:Termitidae)in palm trees in urban guam［J］.Journal of Economic Entomology，2010，103(4):1135-1143.

Murakami S，Homma K，Koike T.Detection of small pests on vegetable leaves using GLCM［C］.In:2005 ASAE Annual International Meeting，Tampa，F(xiàn)lorida，USA.2005，123-136.

Nguyen C，Lovell D，Oberprieler R，et al.Virtual 3D Models of Insects for Accelerated Quarantine Control［C］.The IEEE International Conference on Computer Vision(ICCV)Workshops，2013，161-167.

Park J，Holguin G，Medeiros H.Automatic monitoring of insect populations［P］.WO 2012/054397 A1.

Qiu DY，Zhang HT，Chen TJ，et al.Software design of an intelligent detection system for stored-grain pests based on machine vision［J］.Transactions of the Chinese Society of Agricultural Machinery，2003，34(2):83-85.［邱道尹，張紅濤，陳鐵軍，等，.基于機器視覺的儲糧害蟲智能檢測系統(tǒng)軟件設計［J］.農業(yè)機械學報.2003，34(2):83-85］

Qiu DY，Zhang HT，Liu XY，et al.Design of detection system for agriculture field pests based on machine vision［J］.Transactions of the Chinese Society of Agricultural Machinery.2007，38(1):120-122.［邱道尹，張紅濤，劉新宇，等.基于機器視覺的大田害蟲檢測系統(tǒng)［J］.農業(yè)機械學報.2007，38(1):120-122］

Ridgway C，Davies R，Chambers J.Imaging for the high speed detection of pest insects and other contaminants in cereal grain in transit［C］.In:2001 ASAE Annual International Meeting，Sacramento of Convention Center，Sacramento，California，USA，2001，1-7.

Schrōder S，Drescher W，Steinhage V，et al.An automated method for the identification of bee species(Hymenoptera:apoidea)［C］.In:Proceedings of the international symposium on conserving Europe's bees，International Bee Research Association ＆ Linnean Society.1995，6-7.

Shariff A，Aik Y，Hong W，et al.Automated identification and counting of pests in the paddy fields using image analysis［C］.In:Proc.of the 4thWorld Congress on Computers in Agriculture，Orlando，F(xiàn)lorida，USA.2006，759-764.

Shen ZR，Yu XW.Preliminary research on automated counting technology for Trialeurodes vaporariorum(Westwood)［J］.Acta Ecologica Sinica，2001，21(1):94-99.［沈佐銳，于新文.溫室白粉虱自動計數(shù)技術研究初報［J］.生態(tài)學報，2001，21(1):94-99］

Shi BC，Kang ZJ，Lu H，et al.Multifunctional automatic intelligent forecasting system of pest［P］，2009，200920176146.6.［石寶才，康總江，路虹，等.多功能全自動智能型害蟲測報系［P］，2009.200920176146.6］

Shuman D，Coffelt JA，Vick KW，et al.Quantitative acoustical detection of larvae feeding inside kernels of grain［J］.Econ.Entomol.，1993，86:933-938.

Shuman D，Coffelt JA，Weaver DK.A Computer-based electronic fall-through probe insect［J］.Transactions of the American Society of Agricultural Engineers，1996，39(5):1773-1780.

Shuman D，Weaver DK，Mankin RW.Quantifying larval infestation with an acoustical sensor array and cluster analysis of cross-correlaton outputs［J］.Appl.Acoust.，1997，50(4):274-296.

Shuman D，Weaver DK，Larson RG.Performance of an analytical，dual infrared-beam，stored-product insect monitoring system［J］.J.Econ.Entomol.，2005，98(5):1723-1732.

Tirelli P，Borghese N，Pedersini F，et al.Automatic monitoring of pest insects traps by Zigbee-based wireless networking of image sensors［C］.In:Instrumentation and Measurement Technology Conference(I2MTC)，2011 IEEE.1-5.

Wang J，Ji L，Liang A，et al.The identification of butterfly families using content-based image retrieval［J］.Biosystems Engineering，2012，3:24-32.

Watson A，O'Neill M，Kitching I.Automated identification of live moths(Macrolepidoptera)using Digital Automated Identification SYstem(DAISY)［J］.Systematics and Biodiversity，2003，1(3):287-300.

Weeks P，O'Neill M，Gaston K，et al.Automating insect identification:exploring the limitations of a prototype system［J］.Journal of Applied Entomology，1999，123(1):1-8.

Wen CL，Guyer D.Image-based orchard insect automated identification and classification method［J］.Computers and Electronics in Agriculture，2012，89:110-115.

Wei XQ，Wen JB，Zhao YJ，et al.Review on monitoring technology of the insect acoustic［J］.Scientia Silvae Sinicae，2010a，46(5):147-154.［韋雪青，溫俊寶，趙源吉，等.害蟲聲音監(jiān)測技術研究進展［J］.林業(yè)科學，2010a，46(5):147-154］

Wei XQ.Primary Study on Sound Monitoring Technology of Wood Boring［D］.Beijing:Beijing Forestry University，2010b.［韋雪青.林木蛀干害蟲聲音監(jiān)測技術初探［D］.北京:北京大業(yè)大學，2010b］

Wen T，Hong TS，Li LJ，et al.Design and experiment of trapping and monitoring device for adult Bactrocera dorsalis(Hendel)［J］.Transactions of the Chinese Society of Agricultural Engineering，2014，30(11):37-44.［文韜，洪添勝，李立君，等.橘小實蠅成蟲誘捕監(jiān)測裝置的設計與試驗［J］.農業(yè)工程學報，2014，30(11):37-44］

Yang HZ，Zhang JW，Li XT，et al.Remote automatic identification system based on insect image［J］.Transactions of the Chinese Society of Agricultural Engineering，2008，24(1):188-192.［楊紅珍，張建偉，李湘濤，等.基于圖像的昆蟲遠程自動識別系統(tǒng)的研究［J］.農業(yè)工程學報，2008，24(1):188-192］

Yang Y，Peng B，Wang J.A system for detection and recognition of pests in stored-grain based on video analysis［J］.Computer and Computing Technologies in Agriculture IV，2011:119-124.

Yao Q，Lai FX，F(xiàn)u Q，et al.Identification of insect acoustical signals based on artificial neural network［J］.Entomotaxonomia，2005，27(1):19-22.［姚青，賴鳳香，傅強，等.基于人工神經(jīng)網(wǎng)絡的昆蟲鳴聲識別［J］.昆蟲分類學報，2005，27(1):19-22］

Yao Q，Lv J，Liu Q，et al.An insect imaging system to automate ricelight-trap pest identification［J］.Journal of Integrative Agriculture，2012，11(6):978-985.

Yao Q，Lv J，Yang BJ，et al.Progress in research on digital image processing technology for automatic insect identification and counting［J］.Scientia Agricultura Sinica，2011，44(14):2886-2899.［姚青，呂軍，楊保軍，等.基于圖像的昆蟲自動識別與計數(shù)研究進展［J］.中國農業(yè)科學，2011，44(14):2886-2899］

Yin BT，Zhang ZT.Chirping characteristic parameters of Nilaparvata lugens St?l［J］.Acoustics and Electronics Engineering，1991，2(2):42-45.［殷柏濤，張志濤.褐稻虱鳴聲的特征參數(shù)［J］.聲學與電子工程，1991，2(2):42-45］

Zayas IY，F(xiàn)linn PW.Detection of insects in bulk wheat samples with machine vision［J］.Journal of Electronic Packaging，1998，41(3):883-888.

Zhang JW，Wang YM，Shen ZR.Novel method for estimating cereal aphid population based on computer vision technology［J］.Transactions of the Chinese Society of Agricultural Engineering，2006，22(9):159-162.［張建偉，王永模，沈佐銳.麥田蚜蟲自動計數(shù)研究［J］.農業(yè)工程學報，2006，22(9):159-162］

Zhao HQ，Shen ZR，Yu XW.On computer-aided insect identification through math-morphology features［J］.Journal of China Agricultural University，2002，7(3):38-42.［趙汗青，沈佐銳，于新文.數(shù)學形態(tài)特征應用于昆蟲自動鑒別的研究［J］.中國農業(yè)大學學報，2002，7(3):38-42］

Zhou ZY，Luo XW，Zhang Y，et al.Machine-based technologies for detecting and monitoring insect pests of crops:a review［J］.Acta Entomologica Sinica，2010，53(1):98-109.［周志艷，羅錫文，張揚，等.農作物蟲害的機器檢測與監(jiān)測技術研究進展［J］.昆蟲學報，2010，53(1):98-109］