儲(chǔ)藏物害蟲智能化監(jiān)測(cè)與預(yù)警系統(tǒng)研究進(jìn)展

魯玉杰，王文敬，任天一，盧少華，王爭(zhēng)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(guó)是糧食生產(chǎn)和消費(fèi)大國(guó)，也是糧食儲(chǔ)備大國(guó)。糧食作為關(guān)乎國(guó)計(jì)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(huì)穩(wěn)定和國(guó)民經(jīng)濟(jì)的平穩(wěn)發(fā)展[1]，而且糧食安全一直是我國(guó)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(chǔ)、流通等環(huán)節(jié)，各個(gè)環(huán)節(jié)都有可能存在糧食損耗。其中，糧食儲(chǔ)藏過程中有害生物造成的損失大約占30%。據(jù)保守估計(jì)，我國(guó)每年糧食作物產(chǎn)量總計(jì)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(dá) 1.5～6億公斤，由儲(chǔ)糧害蟲造成的糧食、豆類和油料損失約為總存儲(chǔ)量的5%，家庭儲(chǔ)糧因蟲害而造成的損失約為 8%～10%，直接造成的經(jīng)濟(jì)損失超過 20億元[2-3]。因此，我國(guó)糧食的儲(chǔ)藏安全任務(wù)艱巨。

在目前信息化時(shí)代，建設(shè)結(jié)合自動(dòng)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(shì)[4]，同時(shí)也是糧食倉儲(chǔ)企業(yè)實(shí)現(xiàn)智能化管理的有效方式[5]。相對(duì)于傳統(tǒng)的儲(chǔ)糧害蟲檢測(cè)技術(shù)，儲(chǔ)糧害蟲的智能化檢測(cè)和預(yù)警技術(shù)可以讓我們實(shí)時(shí)、準(zhǔn)確地得知害蟲發(fā)生的動(dòng)態(tài)變化，為儲(chǔ)糧有害生物預(yù)防提供有力的保障。目前，儲(chǔ)糧害蟲的在線檢測(cè)和監(jiān)測(cè)手段眾多，但這些監(jiān)測(cè)手段因成本高、有限制性和精度低等缺點(diǎn)未得到廣泛認(rèn)可和大規(guī)模使用[6-8]。本文通過綜述當(dāng)前常見的儲(chǔ)糧害蟲檢測(cè)技術(shù)，以及智能化監(jiān)測(cè)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(diǎn)，以期對(duì)我國(guó)糧食儲(chǔ)藏安全過程中儲(chǔ)糧害蟲的防控決策提供幫助。

1 儲(chǔ)糧害蟲智能化監(jiān)測(cè)研究進(jìn)展

目前常見的害蟲智能化監(jiān)測(cè)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(shí)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(chǔ)藏領(lǐng)域的重點(diǎn)研究方向就是將最新、最先進(jìn)的技術(shù)應(yīng)用到害蟲在線監(jiān)測(cè)設(shè)備中，實(shí)現(xiàn)對(duì)糧庫蟲害情況的自動(dòng)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(shí)別的儲(chǔ)糧害蟲智能化監(jiān)測(cè)

基于圖像識(shí)別技術(shù)的害蟲檢測(cè)系統(tǒng)是目前比較常見的，Ridgway等[11]實(shí)現(xiàn)了一種用于害蟲、鼠糞和麥角自動(dòng)監(jiān)測(cè)的系統(tǒng)，采用最小運(yùn)算律的線性分割器實(shí)現(xiàn)了赤擬谷盜TriboliumcastaneumHerbst、鋸谷盜OryzaephilussurinamensisLinne等常見儲(chǔ)糧害蟲的檢測(cè)，識(shí)別率達(dá)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(shí)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(dòng)監(jiān)測(cè)系統(tǒng)，采用滑動(dòng)窗口來獲得區(qū)域建議框，然后配合監(jiān)測(cè)卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)蛾類在粘蟲板上的計(jì)數(shù)，并且探討了蟲類目標(biāo)檢測(cè)模型性能的評(píng)估方式。趙彬宇等[14]研發(fā)了一款集儲(chǔ)糧害蟲智能圖鑒與圖像識(shí)別于一體的 APP，該 APP實(shí)現(xiàn)了 6類10種常見的儲(chǔ)糧害蟲在手機(jī)上的種類識(shí)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(chǔ)糧害蟲圖像檢測(cè)算法，實(shí)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(shí)別，檢測(cè)平均正確率可以達(dá)到81.36%。劉治財(cái)[16]提出深度學(xué)習(xí)的目標(biāo)檢測(cè)算法在儲(chǔ)糧害蟲檢測(cè)識(shí)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(shí)際儲(chǔ)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(diǎn)，避免了傳統(tǒng)設(shè)計(jì)特征時(shí)可分性差、表達(dá)能力不足、過程繁瑣等缺點(diǎn)。從大數(shù)據(jù)中自動(dòng)學(xué)習(xí)泛化性更強(qiáng)的特征，能快速地將糧蟲識(shí)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(chǔ)糧害蟲智能化監(jiān)測(cè)

應(yīng)用紅外光電傳感器的在線監(jiān)測(cè)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(cè)裝置，其特點(diǎn)是價(jià)格經(jīng)濟(jì)，既能檢測(cè)糧堆內(nèi)部不同深度的害蟲發(fā)生情況，又能夠估計(jì)害蟲密度[17]。Litzkow等[18]提出電子糧食探管害蟲計(jì)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(cè)通過的害蟲，害蟲墜落時(shí)會(huì)對(duì)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(shí)現(xiàn)害蟲計(jì)數(shù)。Shuman等[19]研制了利用正交的雙紅外技術(shù)監(jiān)測(cè)儲(chǔ)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(hào)。該系統(tǒng)利用嵌入式微處理器對(duì)紅外傳感器的模擬信號(hào)進(jìn)行分析，提取出的參數(shù)最終傳輸?shù)脚_(tái)式計(jì)算機(jī)上。一定程度上降低了害蟲下落姿態(tài)對(duì)計(jì)數(shù)準(zhǔn)確率的影響，實(shí)現(xiàn)了對(duì)米象SitophilusoryzaeLinnaeus和銹赤扁谷盜CryptolestesferrugineusStephens的二分類。該系統(tǒng)不僅實(shí)現(xiàn)了害蟲體形大小的確認(rèn)并成功過濾了落入誘捕器的一些雜質(zhì)等。Opisystems公司利用實(shí)倉試驗(yàn)的大量數(shù)據(jù)，開發(fā)出了基于電子計(jì)數(shù)裝置的統(tǒng)計(jì)模型，并將其注冊(cè)為了商業(yè)化產(chǎn)品 Insector。王威松等[20]設(shè)計(jì)研發(fā)了儲(chǔ)糧害蟲誘捕在線監(jiān)測(cè)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(zhǎng)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(diǎn)數(shù)據(jù)集，實(shí)現(xiàn)了對(duì)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(xì)分。解決了以往研究中對(duì)害蟲體長(zhǎng)信息提取粗糙、未充分利用害蟲下落時(shí)整個(gè)遮擋過程對(duì)應(yīng)電信號(hào)的弊端。

1.3 基于聲學(xué)的儲(chǔ)糧害蟲智能化監(jiān)測(cè)

聲信號(hào)檢測(cè)法的原理是把聲信號(hào)轉(zhuǎn)換成電信號(hào)，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(chǔ)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(cè)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(jì)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(yùn)動(dòng)和攝食等典型行為的聲音后，通過計(jì)算機(jī)系統(tǒng)對(duì)采集到的聲音進(jìn)行放大、濾波、參數(shù)化和分類，該方法對(duì)糧倉內(nèi)的米象種群識(shí)別率達(dá)到了100%。Mankin等[22]通過聲音傳感器檢測(cè)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(dòng)聲信號(hào)均可以被捕捉到。Eliopoulos等[21]在實(shí)驗(yàn)室對(duì)糧食內(nèi)部害蟲聲音信號(hào)進(jìn)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(hào)，檢查準(zhǔn)確率達(dá)到48%～74%。當(dāng)蟲害密度為 1頭/Kg～2頭/Kg時(shí)，該系統(tǒng)的檢測(cè)準(zhǔn)確率可以達(dá)到 72%～100%。Eliopoulos等[24]使用壓電傳感器和連接到計(jì)算機(jī)的便攜式聲發(fā)射放大器來記錄昆蟲的聲信號(hào)，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(hào)對(duì)散裝糧的受侵染程度進(jìn)行自動(dòng)檢測(cè)是可行的。但是由于環(huán)境噪聲的影響基于聲信號(hào)的害蟲在線監(jiān)測(cè)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(chǔ)糧害蟲智能化監(jiān)測(cè)

電容傳感器監(jiān)測(cè)害蟲的原理是對(duì)電容監(jiān)測(cè)電路檢測(cè)出的電容值變化范圍、變化次數(shù)進(jìn)行分析處理，確定并記錄害蟲的種類數(shù)量，根據(jù)不同儲(chǔ)糧害蟲在檢測(cè)電極間自由掉落過程中引起檢測(cè)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(chǔ)糧害蟲的含水特性，采用電容原理，設(shè)計(jì)了低功耗的蟲害檢測(cè)傳感器，實(shí)現(xiàn)了儲(chǔ)糧害蟲數(shù)量和種類的精確監(jiān)測(cè)，并與無線傳感器網(wǎng)絡(luò)技術(shù)結(jié)合，設(shè)計(jì)了易于部署的全無線儲(chǔ)糧害蟲監(jiān)測(cè)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(chǔ)糧害蟲智能化監(jiān)測(cè)

糧食在儲(chǔ)藏過程中的部分損耗來自于蟲害和霉菌的侵染，蟲霉活動(dòng)產(chǎn)生的特征性物質(zhì)會(huì)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(cè)定相關(guān)氣體的含量了解儲(chǔ)糧的狀態(tài)[26]。近年來，二氧化碳作為檢測(cè)儲(chǔ)糧條件的一種指標(biāo)，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(jìn)行糧堆內(nèi)CO2氣體濃度監(jiān)測(cè)試驗(yàn)，發(fā)現(xiàn)安全水分小麥呼吸水平較低，害蟲活動(dòng)可顯著提高糧堆中的CO2氣體濃度，在實(shí)倉中采用多定點(diǎn)檢測(cè)法，能靈敏地檢測(cè)到人工熱點(diǎn)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(cè)二氧化碳濃度了解儲(chǔ)糧糧情和害蟲發(fā)生狀態(tài)[29-32]。

2 儲(chǔ)糧害蟲智能化監(jiān)測(cè)系統(tǒng)組成

隨著智能化糧庫的建設(shè)和對(duì)糧食安全的重視，對(duì)智能化糧食的害蟲的智能化監(jiān)測(cè)技術(shù)的研究成為目前儲(chǔ)糧害蟲的研究熱點(diǎn)。顏丙生等[33]將圖像處理與光電技術(shù)相結(jié)合設(shè)計(jì)了一套基于LabVIEW的儲(chǔ)糧蟲害監(jiān)測(cè)及自動(dòng)分級(jí)報(bào)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(jī)對(duì)糧蟲拍照，照片通過數(shù)據(jù)線傳送到主機(jī)上，用連通域與平均像素修正法進(jìn)行糧蟲計(jì)數(shù)。在大型糧倉中，由于測(cè)點(diǎn)多，且相機(jī)成本高，若測(cè)點(diǎn)都采用相機(jī)取樣，整個(gè)監(jiān)測(cè)系統(tǒng)的成本會(huì)居高不下，為了減少成本，使用光電技術(shù)來對(duì)害蟲數(shù)量進(jìn)行輔助監(jiān)測(cè)。通過糧蟲誘捕器收集到害蟲，在檢測(cè)光電信號(hào)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(hào)轉(zhuǎn)換為電信號(hào)，利用蟲子數(shù)量與光電信號(hào)電壓值之間的函數(shù)關(guān)系，通過代數(shù)運(yùn)算及可得到對(duì)應(yīng)的蟲子數(shù)量。儲(chǔ)糧蟲害監(jiān)測(cè)及自動(dòng)分及報(bào)警系統(tǒng)的硬件組成如圖1所示。

圖1 儲(chǔ)糧蟲害監(jiān)測(cè)及自動(dòng)分及報(bào)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?jī)?chǔ)糧書虱種群動(dòng)態(tài)模型的前提下利用圖像二值法建立了儲(chǔ)糧書虱自動(dòng)化監(jiān)測(cè)系統(tǒng)，魯玉杰等[35]研發(fā)了一系列的儲(chǔ)糧害蟲智能化監(jiān)測(cè)系統(tǒng)，結(jié)合嗜蟲書虱種群增長(zhǎng)模型的基礎(chǔ)上，開發(fā)了一套儲(chǔ)糧書虱的智能化監(jiān)測(cè)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(cè)方式，在原本監(jiān)測(cè)設(shè)備的基礎(chǔ)上進(jìn)行升級(jí)，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(tái)上設(shè)計(jì)昆蟲計(jì)數(shù)，溫、濕度監(jiān)控等各項(xiàng)指標(biāo)的監(jiān)測(cè)軟件設(shè)計(jì)了一個(gè)糧倉蟲害監(jiān)測(cè)系統(tǒng)。該系統(tǒng)主要由計(jì)算機(jī)、溫度傳感器、CCD相機(jī)、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(jì)方面，通過 LabVIEW 平臺(tái)設(shè)計(jì)糧倉蟲害監(jiān)測(cè)及自動(dòng)分級(jí)報(bào)警系統(tǒng)。盡最大可能減輕大型糧倉的日常管理負(fù)擔(dān)，減少糧食在日常儲(chǔ)存中的損耗，實(shí)現(xiàn)糧倉管理自動(dòng)化，方便糧倉人員管理，確保國(guó)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(cè)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(cè)預(yù)報(bào)是害蟲綜合管理重要的組成部分，是一項(xiàng)監(jiān)測(cè)昆蟲未來種群變動(dòng)趨勢(shì)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(cè)預(yù)報(bào)大致經(jīng)歷了經(jīng)驗(yàn)預(yù)測(cè)、實(shí)驗(yàn)預(yù)測(cè)、統(tǒng)計(jì)預(yù)測(cè)和信息預(yù)測(cè)四個(gè)發(fā)展階段[40]。隨著計(jì)算機(jī)時(shí)代的到來，國(guó)內(nèi)外在病蟲害監(jiān)測(cè)預(yù)警信息化研究上取得了極大的進(jìn)展[41-43]。

頓文峰[44]設(shè)計(jì)了一個(gè)柑橘實(shí)蠅害蟲監(jiān)測(cè)預(yù)警系統(tǒng)，方便植保人員在收集柑橘實(shí)蠅害蟲監(jiān)測(cè)數(shù)據(jù)之后，通過網(wǎng)絡(luò)進(jìn)行監(jiān)測(cè)數(shù)據(jù)填報(bào)、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(cè)點(diǎn)空間位置,各個(gè)區(qū)域監(jiān)測(cè)點(diǎn)監(jiān)測(cè)動(dòng)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(shí)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(shí)蠅害蟲發(fā)生動(dòng)態(tài)，采取必要的防治措施。為實(shí)現(xiàn)系統(tǒng)開發(fā)目標(biāo)，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(jì)了如圖3所示的害蟲檢測(cè)預(yù)警系統(tǒng)。

圖3 柑橘實(shí)蠅監(jiān)測(cè)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(shí)際糧倉中的環(huán)境較實(shí)驗(yàn)室條件更為復(fù)雜、害蟲的體長(zhǎng)、食性、姿態(tài)都具有多樣性?，F(xiàn)有的智能化監(jiān)測(cè)預(yù)警系統(tǒng)在實(shí)際應(yīng)用中都存在其局限性且存在標(biāo)準(zhǔn)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(chǔ)糧害蟲的監(jiān)測(cè)系統(tǒng)，對(duì)常見儲(chǔ)糧害蟲的檢測(cè)取得了良好的效果，未來也考慮利用糧庫中獲得的實(shí)際圖像對(duì)該系統(tǒng)加以改進(jìn)。目前作者所在的研究團(tuán)隊(duì)正在建立一套儲(chǔ)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(chǔ)糧害蟲的監(jiān)測(cè)和智能化預(yù)警方面缺陷的問題。

4 展望

糧食安全是我國(guó)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(shì)。其中儲(chǔ)糧害蟲的智能化檢測(cè)與預(yù)警系統(tǒng)是其中的重要組成部分?；趫D像識(shí)別的檢測(cè)系統(tǒng)能自動(dòng)識(shí)別糧堆中的害蟲，但是無法檢測(cè)糧粒內(nèi)部害蟲；基于紅外光電技術(shù)的在線檢測(cè)成本低廉、計(jì)數(shù)準(zhǔn)確，但是對(duì)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(cè)使用年限長(zhǎng)，但是效率不高，檢測(cè)不出內(nèi)部有死蟲的糧粒；氣體分析法有取樣方便、檢測(cè)快捷和監(jiān)測(cè)靈敏等多種獨(dú)特的優(yōu)勢(shì)。

本文綜述了現(xiàn)有的儲(chǔ)糧害蟲智能化檢測(cè)和預(yù)警系統(tǒng)。未來智能化監(jiān)測(cè)系統(tǒng)重點(diǎn)關(guān)注以下兩點(diǎn)：一是要加強(qiáng)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(biāo)，利于害蟲分類的特征。制定規(guī)范害蟲在線監(jiān)測(cè)技術(shù)方面的行業(yè)標(biāo)準(zhǔn)。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(gè)因子的耦合作用，建立害蟲發(fā)生的多場(chǎng)耦合模型，根據(jù)耦合規(guī)律和模型，建立害蟲的預(yù)測(cè)預(yù)警模型，基于機(jī)理驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的人工智能識(shí)別系統(tǒng)，以支撐檢測(cè)、預(yù)警、防治這一完整鏈條，做到及時(shí)發(fā)現(xiàn)，合理防治。