佳多虫情图像自动信息采集测报灯对几种水稻害虫的图像监测效果评价①

李广香，辛德育，李旭林，覃德注，张世联，谢茂昌

（1．广西来宾市武宣县植物保护站 武宣县 545900；2．广西壮族自治区植保总站 南宁市 530022）

为加快推进研发与应用，不断提高农作物重大病虫害监测预警能力，2018年广西植保部门组织开展了新型测报工具试验示范，在武宣县应用虫情图像自动信息采集测报灯对水稻钻蛀性螟虫、稻纵卷叶螟、稻飞虱等进行了传输图像和人工收集两种监测方式的比较试验，截至目前已经取得了初步研究进展，本文将试验的观测结果、存在问题及技术建议做一报告。

1 材料与方法

1.1 监测场所

试验在武宣县三里镇东泉村（23.578926°N，109.746493°E）建立佳多ATCSP物联网系统监测场所，该场所离周边最近处村庄住房可见光源约150 m，试验监测点范围主要栽培作物是双季水稻，周边还零星种植有花生、蔬菜、甘蔗、柑橘类等农作物，环境均符合选址要求。

1.2 监测工具

武宣县农作物重大病虫监测场安装的是JDPZ-1型佳多牌虫情图像自动信息采集测报灯。该仪器由河南鹤壁佳多科工贸股份有限公司生产，2017年9月9日安装完成并开始调试运行。

1.3 监测对象

本试验监测对象为水稻上的三化螟、大螟、稻纵卷叶螟和稻飞虱4种害虫。

1.4 气象条件

试验时间为2018年7月1日至11月30日，共持续153 d，涵盖武宣县晚稻从种到收一个完整的生长周期。试验期间日平均气温为25.6℃，日最高气温40.6℃，日最低气温8.7℃，日平均相对湿度为83.4%，总降水量为633.0 mm，雨日数为66 d。（注：气温统计数据来源于佳多农林小气候信息采集系统；因本观测场安装的佳多农林小气候信息采集系统缺降水量记录，故降水量数据来自中国天气网的统计记录）。

1.5 试验方法

将佳多JDPZ-1型虫情图像自动信息系统采集到的图像材料，利用ATCSP物联网远程传输后进行人工分辨分类计数（以下简称图像虫数），和逐日人工收集该系统自动落至箱体内的昆虫进行人工分辨分类计数（以下简称箱体虫数），对比两者的异同，以此检验ATCSP物联网下虫情图像自动信息采集系统对农作物重大病虫害监测预警预报效果。为了试验时间的一致性，将每日统计虫数的时间调整为昨晚今晨（即光敏控制开关每日傍晚开灯至次日早上关灯的时段）。

1.6 数据统计方法

虫情图像自动信息采集测报灯将每天拍摄的50多幅图传输到室内办公电脑上，工作人员依据图像识别各种昆虫，最终合计所有图像的昆虫种类和数量，完成当日数据统计记录。人工收集则于每天上午到田间观测点，实地收集昨晚今晨的昆虫，带回室内一次性完成数据统计记录。

2 结果与分析

试验对ATCSP物联网系统远采集的图像虫数和人工统计的箱体虫数进行了总体统计对比（见表1）。

表1 图像虫数和箱体虫数总体对比

2.1 不同监测对象比较

2.1.1 三化螟

7月1日至11月30日，图像虫数计数为355头，其中雌虫335头，雄虫20头；箱体虫数为338头，其中雌虫312头，雄虫26头。图像虫数比箱体虫数多17头，误差率为4.79%；其中雌虫多23头，误差6.87%；雄虫多－6头，误差－30.00%。图像虫数计数和箱体虫数计数三化螟总体之间的相关系数高达为0.967 8。出现雄虫误差较大是由于图像中虫体的形态局限于一面，一些个体难以观察到关键识别特征部分，同时图像分辨率不够清晰，难以辨别确认计数所致。从图1看，图像虫数和箱体虫数计数两者监测三化螟成虫总体发生动态代际明显，盛发期、高峰期一致。

图1 三化螟诱虫量图像虫数与箱体虫数比较

2.1.2 大螟

7月1日至11月30日，图像虫数计数为752头；箱体虫数为734头。图像虫数比箱体虫数多18头，误差率为2.39%，两者的相关系数高达0.937 2。从图2看，图像虫数和箱体虫数计数大螟发生代际不明显，发生动态涨落一致。

图2 大螟诱虫量图像虫数与箱体虫数比较

2.1.3 稻纵卷叶螟

7月1日至11月30日，图像虫数计数为1 329头；箱体虫数为1 225头。图像虫数比箱体虫数多104头，误差率为7.83%，两者的相关系数高达0.995 9。从图3看，图像数虫和箱体数虫结果稻纵卷叶螟成虫发生期代际明显，盛发期、高峰期一致，但诱虫量有一定小范围的差异。

图3 稻纵卷叶螟诱虫量图像虫数与箱体虫数比较

2.1.4 稻飞虱

7月1日至11月30日，图像虫数计数为1 847头，箱体虫数为2 017头。图像虫数比箱体虫数多170头，误差率为－9.20%，两者的相关系数高达0.996 8。从图4看，图像虫数比箱体虫数结果稻飞虱成虫发生代际明显，盛发期高峰期一致、但诱虫量存在一定范围的差异，统计两者相关系数高。由于安装的自动虫情测报灯的摄像头的分辨率较低，对个体较小的昆虫稻飞虱种类难以辨别，就没有深入去针对褐飞虱和白背飞虱比较分辨。

图4 稻飞虱诱虫量图像虫数与箱体虫数比较

2.2 数据误差原因分析及改进建议

鉴于采集的图像虫数与箱体虫数存在数据误差，本试验分析大致有五大方面的原因，为此分别提出针对性的改进建议。

一是图像的清晰度不够高，可能是由于系统配备的摄像头分辨率、对焦等硬件问题，或者没有充分考虑箱体内部环境光线变化的影响。建议提高摄像头拍摄的精准度，尽量减小拍摄虫体时的色差，从而提高计数的准确率。

二是由于昆虫诱捕后是首先落到拍照盘面在箱体内累积一晚的，但由于箱体上方敞开，部分个体较大的昆虫难以致死，从而因逃逸造成数据出现偏差，本试验个体较大的稻纵卷叶螟、三化螟、大螟等数据准确率高于个体较小的稻飞虱，即印证了这一点。建议改进设备的开口及电网电压的设计，尽量避免诱虫得而复失。

三是图像显示的盘面面积小于实际面积，以致出现图像数虫因看不全而漏数，从而导致误差产生。建议调宽拍照覆盖范围，以覆盖落虫的整个盘面，从而避免漏数导致的误差。

四是图像数虫还存在虫体落到盘外、标注文字遮挡虫体、照片边缘只看到局部的虫体、掉落中的虫体影像遮挡了已落到盘内的虫体，个体较大虫体遮挡个体较小虫体、虫体堆积难数。此类现象多发生在设备光敏控制开关开灯后15～90 min昆虫集中扑灯的高峰时段。建议系统在昆虫集中扑灯的高峰时段调短拍照的时间间隔，高峰时段过后再恢复正常的拍摄时间间隔，以避免图像太多增加识别图像的时间和降低工作效率；还建议盘面刻度应改为细线条，避免刻度线阴影黑影遮挡虫体；时间、日期的显示文字也应改为细线条或将文字标志移放到监测盘外。

五是目前使用的系统主要靠人工辨别清点计数，每天按设置15 min/幅图像，一天50多幅图像需要人工辨别、清点、计数、填表等，容易受到人为对昆虫辨别知识经验引起计数误差。建议组织昆虫分类专家和计算机软、硬件开发企业继续联合攻关，尽快推进实现自动识别计数统计，实现监测数据自动采集生成报告，提高监测预警时效和质量。

3 小结

从试验数据看，佳多虫情图像自动采集测报灯下三化螟、大螟、稻纵卷叶螟、稻飞虱成虫等害虫图像虫数和箱体虫数虽然有一定的误差，但两者数据相关系数均较高，其发生期昆虫数量涨落一致，采用哪种数据作为监测预警预报均是可行的。该系统传输图像数虫监测相对于箱体数虫监测，具有信息收集高效性和低工作强度的优点，有很好的推广应用前景。为此，本试验建议改进系统的软、硬件设施配备，修正拍摄各项技术参数，不断提高图像可识度，减少系统设备存在的物理瑕疵，加快昆虫图像自动识别计数系统研究应用，更好地为农作物病虫害监测预警信息化管理服务。