糧食病蟲害識(shí)別研究進(jìn)展

劉鵬　張亮　李藝嘉　朱洋

[摘要]糧食害蟲識(shí)別一直是國(guó)家所關(guān)注的重點(diǎn)，害蟲的種類與鑒別是進(jìn)行害蟲防治的必要依據(jù)。國(guó)內(nèi)有大量的學(xué)者將精力投入尋找更加快速、準(zhǔn)確的識(shí)別方法中。本文對(duì)目前國(guó)內(nèi)幾種主要的害蟲識(shí)別方法，即人工識(shí)別法、生物信息檢測(cè)法、光譜法、圖像識(shí)別法進(jìn)行了分析，總結(jié)了這幾種方法的優(yōu)缺點(diǎn)，提出了未來(lái)糧食病蟲害識(shí)別的研究方向。

[關(guān)鍵詞]糧食安全;病蟲害;病蟲害識(shí)別

中圖分類號(hào)：TP391.4

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.16465/j.gste.cn431252ts.20190415

我國(guó)作為人口大國(guó)，糧食問(wèn)題一直都是國(guó)家關(guān)注的重點(diǎn)問(wèn)題。2018年我國(guó)糧食總產(chǎn)量達(dá)到65789萬(wàn)噸，人均糧達(dá)到445.7千克，但是每年都會(huì)有約5%的糧食因?yàn)楹οx問(wèn)題而浪費(fèi)。尋找一種簡(jiǎn)單高效的糧食害蟲檢測(cè)方法，準(zhǔn)確檢測(cè)糧食中的害蟲變得格外重要。目前的糧食害蟲檢測(cè)識(shí)別方法主要包括人工識(shí)別法、生物信息檢測(cè)法、光譜法、圖像識(shí)別法"。本文對(duì)這些方法的優(yōu)缺點(diǎn)、應(yīng)用形式進(jìn)行：了概括，提出了未來(lái)的發(fā)展形勢(shì)，為尋找糧食害蟲檢測(cè)新方法提供了幫助。

1人工判別法

人工判別法一直是害蟲識(shí)別重要部分，該方法是通過(guò)放大鏡、顯微鏡、傳感器等工具判別害蟲的種類，統(tǒng)計(jì)害蟲的數(shù)量。田冉（21采用對(duì)射式紅外傳感器設(shè)計(jì)了害蟲識(shí)別計(jì)數(shù)的方法，當(dāng)害蟲落入對(duì)射區(qū)間內(nèi)，電信號(hào)輸出量會(huì)發(fā)生變化，根據(jù)電信號(hào)微弱的變化對(duì)害蟲進(jìn)行識(shí)別、計(jì)數(shù)。鄭禎等B1比較了探管誘捕方法與取樣篩選害蟲方法，在夏季倉(cāng)糧堆表層設(shè)置5個(gè)檢測(cè)點(diǎn)，比較嗜卷書虱與印度谷螟的檢測(cè)效果，通過(guò)比較選取合適的方法進(jìn)行害蟲判別。上述方法雖然能對(duì)害蟲進(jìn)行簡(jiǎn)單分類，但是分類誤差和勞動(dòng)強(qiáng)度都比較大，檢測(cè)人員需要對(duì)監(jiān)測(cè)的害蟲有一定的了解，不利于害蟲檢測(cè)的自動(dòng)化發(fā)展。

2生物信息法

生物信息法是通過(guò)研究害蟲的生物信息對(duì)害蟲進(jìn)行分類鑒定。張明真等（41提出了基于流形學(xué)習(xí)和SVM的儲(chǔ)糧害蟲聲信號(hào)識(shí)別方法，通過(guò)研究不同儲(chǔ)糧害蟲的4種活動(dòng)聲信號(hào)，采用流形學(xué)習(xí)的等距特征映射方法對(duì)聲信號(hào)實(shí)行降維并提取流形特征，以重尾徑向基為核函數(shù)的SVM訓(xùn)練最優(yōu)分類面，對(duì)流形特征進(jìn)行測(cè)試和鑒別。常志勇等[51提出一種通過(guò)電子鼻方法檢測(cè)根莖類植物根部病蟲害的方法，根據(jù)根莖類植物根部病蟲害嚴(yán)重度，評(píng)估根莖類植物病蟲害嚴(yán)重度。這種方法能夠快速檢測(cè)根莖類植物根部的病蟲害，為預(yù)防和減少根莖類植物病蟲害提供可靠的支撐。但是生物信息法進(jìn)行糧食害蟲識(shí)別對(duì)樣本的要求較高，樣本準(zhǔn)備和采樣時(shí)間較長(zhǎng)，不適用于大批量糧食樣本的檢測(cè)。

3光譜法

光譜法是利用不同種類的糧食害蟲對(duì)光譜反射率的不同進(jìn)行分類。張紅濤等提出一種利用近紅外高光譜圖像鑒別糧蟲生命體征的方法。首先將害蟲放人液氮中用低溫猝死法殺死害蟲，再用近紅外高光譜成像系統(tǒng)采集害蟲圖像，用基于最大離差法的最優(yōu)特征波長(zhǎng)的提取方法，提取活蟲和死蟲的最優(yōu)波長(zhǎng)，并采用閾值法對(duì)害蟲進(jìn)行識(shí)別。田有文等利用高光譜成像技術(shù)，采用分段混合距離方法確定玉米螟蟲害無(wú)損檢測(cè)的最優(yōu)波段，提取單波段玉米螟蟲特征圖像，實(shí)現(xiàn)對(duì)玉米螟蟲的快速、無(wú)損檢測(cè)。吳雅茹等利用高光譜成像進(jìn)行了黃瓜蚜蟲檢測(cè)，通過(guò)手持光譜儀檢測(cè)有蟲黃瓜葉片高光譜反射率，并分析了400～900nm波段的反射率參數(shù)與黃瓜蚜蟲個(gè)數(shù)的相關(guān)和回歸關(guān)系，構(gòu)造預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)黃瓜蚜蟲的檢測(cè)。上述研究都采用光譜法進(jìn)行糧食害蟲識(shí)別，識(shí)別率很高，但每次只能對(duì)一只害蟲進(jìn)行識(shí)別，并且有的害蟲體型較小，有的會(huì)到處爬行，不易采集光譜信息。

4圖像識(shí)別法

圖像識(shí)別法是對(duì)采集的害蟲圖像進(jìn)行圖像預(yù)處理、圖像分割、特征提取、圖像分類等步驟，從而對(duì)害蟲進(jìn)行識(shí)別。胡玉霞等91研究了以ACO-SVM為基礎(chǔ)的糧蟲特征提取，提出了將交叉驗(yàn)證訓(xùn)練模型的識(shí)別率作為糧食害蟲特征提取評(píng)價(jià)標(biāo)準(zhǔn)的一個(gè)重要因素，將蟻群優(yōu)化算法應(yīng)用于糧蟲特征的自動(dòng)提取。刁智華等[101提出了一種通過(guò)增加特征個(gè)數(shù)增加病害識(shí)別率的方法，以小麥白粉病為例，在提取矩形度、伸長(zhǎng)度等特征的基礎(chǔ)上，提取病斑的原型度、曲率等特征，進(jìn)行單個(gè)病斑參數(shù)的提取，對(duì)獲得的參數(shù)進(jìn)行比較，增加了小麥白粉病的識(shí)別率。張政云等川針對(duì)玉米害蟲圖像采集時(shí)遇到的問(wèn)題，提出了一種基于復(fù)合算法的二維運(yùn)動(dòng)模糊圖像處理方法。這種方法利用Rason變換和自相關(guān)函數(shù)計(jì)算，確定出模糊方向和模糊尺度，再選用Lucy-Richardson方法復(fù)原圖像，使圖像清晰度變得更高。圖像識(shí)別法具有準(zhǔn)確度高、勞動(dòng)量小的優(yōu)點(diǎn)，可以實(shí)現(xiàn)糧食害蟲的自動(dòng)分類識(shí)別，是未來(lái)害蟲檢測(cè)潛力巨大的發(fā)展方向。

5結(jié)論

本文分析了目前幾種糧食害蟲識(shí)別方法，總結(jié)：了各自的優(yōu)缺點(diǎn)。雖然國(guó)內(nèi)已經(jīng)有大量的學(xué)者投身于糧食害蟲識(shí)別的工作，但是現(xiàn)有的害蟲識(shí)別方法依然有很大的不足，仍然有大批的糧食被害蟲糟蹋。糧食害蟲識(shí)別技術(shù)仍需要不斷創(chuàng)新、不斷突破，今后的研究重點(diǎn)應(yīng)該放在識(shí)別的種類、精度、效率上，建立更加完善圖像采集系統(tǒng)，選取更有代表性的特征進(jìn)行提取，研究更加方便實(shí)用的優(yōu)化算法，提高識(shí)別率。

參考文獻(xiàn)

[1]蔣中柱，化學(xué)信息素在儲(chǔ)糧害蟲綜合防治中的應(yīng)用[J].糧食科技與經(jīng)濟(jì)，2001（2）：32-34.

[2]田冉，基于紅外與圖像的果樹害蟲監(jiān)測(cè)方法研究[D].天津：天津科技大學(xué)，2017.

[3]鄭禎，王殿軒，周曉軍，等.探管誘捕與取樣篩檢小麥糧堆表

層儲(chǔ)糧害蟲的效果比較[J].河南工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（2）：116-121.

[4]張明真，郭敏.基于流形學(xué)習(xí)和SVM的儲(chǔ)糧害蟲聲信號(hào)識(shí)別研究[J].云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2014（2）：174-180.

[5]常志勇，陳東輝，佟月英，等?；谌梭w嗅覺(jué)特征的豬肉新鮮度仿生電子鼻檢測(cè)技術(shù)[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2012（S1）：131-134.

[6]張紅濤，胡玉霞，毛罕平，等?；诮t外高光譜成像的糧蟲

生命體征檢測(cè)研究[J].農(nóng)機(jī)化研究，2014（8）：165-168+173.

[7]田有文，邢曉琪，王小奇，等?；诟吖庾V成像的玉米螟無(wú)損檢測(cè)最優(yōu)波段的選取[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015（6）：719-724.

[8]吳雅茹，趙家奇，胡祖慶?；诟吖庾V的設(shè)施黃瓜蚜蟲蟲害檢測(cè)及其預(yù)測(cè)模型[J].陜西農(nóng)業(yè)科學(xué)，2018（8）：80-83.

[9]胡玉霞，張紅濤，羅康，等。基于ACO-SVM的糧蟲特征提取研究[J].安徽農(nóng)業(yè)科學(xué)，2012（6）：3781-3782+3785.

[10]刁智華，魏玉泉，刁春迎，等?；趫D像的小麥白粉病形狀特征參數(shù)優(yōu)化與提取[J].江蘇農(nóng)業(yè)科學(xué)，2017（21）：229-231.

[11]張政云，焦俊，孟珠李，等.基于復(fù)合算法的二維運(yùn)動(dòng)模糊圖像處理[J].內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（4）：60-68.

[12]劉迦南，朱洋，李藝嘉，韓婧?；贚IBSVM的煙青蟲成蟲雌雄判別研究[J].糧食科技與經(jīng)濟(jì)，2018（9）：117-119.