粮食病虫害识别研究进展

2019-09-10刘鹏张亮李艺嘉朱洋

粮食科技与经济 2019年4期

刘鹏　张亮　李艺嘉　朱洋

[摘要]粮食害虫识别一直是国家所关注的重点，害虫的种类与鉴别是进行害虫防治的必要依据。国内有大量的学者将精力投入寻找更加快速、准确的识别方法中。本文对目前国内几种主要的害虫识别方法，即人工识别法、生物信息检测法、光谱法、图像识别法进行了分析，总结了这几种方法的优缺点，提出了未来粮食病虫害识别的研究方向。

[关键词]粮食安全;病虫害;病虫害识别

中图分类号：TP391.4

文献标识码：A

DOI：10.16465/j.gste.cn431252ts.20190415

我国作为人口大国，粮食问题一直都是国家关注的重点问题。2018年我国粮食总产量达到65789万吨，人均粮达到445.7千克，但是每年都会有约5%的粮食因为害虫问题而浪费。寻找一种简单高效的粮食害虫检测方法，准确检测粮食中的害虫变得格外重要。目前的粮食害虫检测识别方法主要包括人工识别法、生物信息检测法、光谱法、图像识别法"。本文对这些方法的优缺点、应用形式进行：了概括，提出了未来的发展形势，为寻找粮食害虫检测新方法提供了帮助。

1人工判别法

人工判别法一直是害虫识别重要部分，该方法是通过放大镜、显微镜、传感器等工具判别害虫的种类，统计害虫的数量。田冉（21采用对射式红外传感器设计了害虫识别计数的方法，当害虫落入对射区间内，电信号输出量会发生变化，根据电信号微弱的变化对害虫进行识别、计数。郑祯等B1比较了探管诱捕方法与取样筛选害虫方法，在夏季仓粮堆表层设置5个检测点，比较嗜卷书虱与印度谷螟的检测效果，通过比较选取合适的方法进行害虫判别。上述方法虽然能对害虫进行简单分类，但是分类误差和劳动强度都比较大，检测人员需要对监测的害虫有一定的了解，不利于害虫检测的自动化发展。

2生物信息法

生物信息法是通过研究害虫的生物信息对害虫进行分类鉴定。张明真等（41提出了基于流形学习和SVM的储粮害虫声信号识别方法，通过研究不同储粮害虫的4种活动声信号，采用流形学习的等距特征映射方法对声信号实行降维并提取流形特征，以重尾径向基为核函数的SVM训练最优分类面，对流形特征进行测试和鉴别。常志勇等[51提出一种通过电子鼻方法检测根茎类植物根部病虫害的方法，根据根茎类植物根部病虫害严重度，评估根茎类植物病虫害严重度。这种方法能够快速检测根茎类植物根部的病虫害，为预防和减少根茎类植物病虫害提供可靠的支撑。但是生物信息法进行粮食害虫识别对样本的要求较高，样本准备和采样时间较长，不适用于大批量粮食样本的检测。

3光谱法

光谱法是利用不同种类的粮食害虫对光谱反射率的不同进行分类。张红涛等提出一种利用近红外高光谱图像鉴别粮虫生命体征的方法。首先将害虫放人液氮中用低温猝死法杀死害虫，再用近红外高光谱成像系统采集害虫图像，用基于最大离差法的最优特征波长的提取方法，提取活虫和死虫的最优波长，并采用阈值法对害虫进行识别。田有文等利用高光谱成像技术，采用分段混合距离方法确定玉米螟虫害无损检测的最优波段，提取单波段玉米螟虫特征图像，实现对玉米螟虫的快速、无损检测。吴雅茹等利用高光谱成像进行了黄瓜蚜虫检测，通过手持光谱仪检测有虫黄瓜叶片高光谱反射率，并分析了400～900nm波段的反射率参数与黄瓜蚜虫个数的相关和回归关系，构造预测模型，实现对黄瓜蚜虫的检测。上述研究都采用光谱法进行粮食害虫识别，识别率很高，但每次只能对一只害虫进行识别，并且有的害虫体型较小，有的会到处爬行，不易采集光谱信息。

4图像识别法

图像识别法是对采集的害虫图像进行图像预处理、图像分割、特征提取、图像分类等步骤，从而对害虫进行识别。胡玉霞等91研究了以ACO-SVM为基础的粮虫特征提取，提出了将交叉验证训练模型的识别率作为粮食害虫特征提取评价标准的一个重要因素，将蚁群优化算法应用于粮虫特征的自动提取。刁智华等[101提出了一种通过增加特征个数增加病害识别率的方法，以小麦白粉病为例，在提取矩形度、伸长度等特征的基础上，提取病斑的原型度、曲率等特征，进行单个病斑参数的提取，对获得的参数进行比较，增加了小麦白粉病的识别率。张政云等川针对玉米害虫图像采集时遇到的问题，提出了一种基于复合算法的二维运动模糊图像处理方法。这种方法利用Rason變换和自相关函数计算，确定出模糊方向和模糊尺度，再选用Lucy-Richardson方法复原图像，使图像清晰度变得更高。图像识别法具有准确度高、劳动量小的优点，可以实现粮食害虫的自动分类识别，是未来害虫检测潜力巨大的发展方向。

5结论

本文分析了目前几种粮食害虫识别方法，总结：了各自的优缺点。虽然国内已经有大量的学者投身于粮食害虫识别的工作，但是现有的害虫识别方法依然有很大的不足，仍然有大批的粮食被害虫糟蹋。粮食害虫识别技术仍需要不断创新、不断突破，今后的研究重点应该放在识别的种类、精度、效率上，建立更加完善图像采集系统，选取更有代表性的特征进行提取，研究更加方便实用的优化算法，提高识别率。

参考文献

[1]蒋中柱，化学信息素在储粮害虫综合防治中的应用[J].粮食科技与经济，2001（2）：32-34.

[2]田冉，基于红外与图像的果树害虫监测方法研究[D].天津：天津科技大学，2017.

[3]郑祯，王殿轩，周晓军，等.探管诱捕与取样筛检小麦粮堆表

层储粮害虫的效果比较[J].河南工业大学学报（自然科学版），2017（2）：116-121.

[4]张明真，郭敏.基于流形学习和SVM的储粮害虫声信号识别研究[J].云南大学学报（自然科学版），2014（2）：174-180.

[5]常志勇，陈东辉，佟月英，等。基于人体嗅觉特征的猪肉新鲜度仿生电子鼻检测技术[J].吉林大学学报（工学版），2012（S1）：131-134.

[6]张红涛，胡玉霞，毛罕平，等。基于近红外高光谱成像的粮虫

生命体征检测研究[J].农机化研究，2014（8）：165-168+173.

[7]田有文，邢晓琪，王小奇，等。基于高光谱成像的玉米螟无损检测最优波段的选取[J].沈阳农业大学学报，2015（6）：719-724.

[8]吴雅茹，赵家奇，胡祖庆。基于高光谱的设施黄瓜蚜虫虫害检测及其预测模型[J].陕西农业科学，2018（8）：80-83.

[9]胡玉霞，张红涛，罗康，等。基于ACO-SVM的粮虫特征提取研究[J].安徽农业科学，2012（6）：3781-3782+3785.