农林病虫自动测控物联网系统(ATCSP)对吉林省4种主要鳞翅目害虫的监测效果

张振铎 王立侠 齐超 孙振宇 杨丽莉 刘瑶

摘要 ：为评估农林病虫自动测控物联网系统（ATCSP）对玉米螟、草地螟、小地老虎、黏虫4种主要鳞翅目害虫的监测效果，2019年5月21日—10月10日在吉林省公主岭市陶家屯开展了该系统对上述4种害虫的监测试验，对比远程监测识别害虫与实地调查确认害虫的种类、数量与发生动态。结果表明该系统可以自动拍摄上传害虫照片，两种方式得到的4种害虫监测数据基本一致，成虫动态曲线基本一致，峰期及峰日一致。可以利用ATCSP系统远程监测上述4种鳞翅目害虫的发生数量和发生动态，具有减少虫情监测人员的下地次数、提高监测预警自动化水平等作用，在完善自动识图和计数后，具有较好的推广应用前景。

关键词 ：物联网; 玉米螟; 黏虫; 小地老虎; 草地螟; 远程监测; 自动化

中图分类号：

S 431.9文献标识码： A

DOI： 10.16688/j.zwbh.2020049

Monitoring effects of the automatic test and control system of plant diseases and

insects （ATCSP） on four main Lepidoptera pests in Jilin province

ZHANG Zhenduo1*， WANG Lixia2， QI Chao2， SUN Zhenyu1， YANG Lili1， LIU Yao1

（1. Center of Jilin Provincial Agro-tech Extension， Changchun 130033， China; 2. Station of Plant Protection and Quarantine in Gongzhuling City， Jinlin Province， Gongzhuling 136100， China）

Abstract

To evaluate the monitoring effect of the automatic test and control system of plant diseases and insects （ATCSP） on four main Lepidoptera insects in Jilin province，including Ostrinia furnacalis， Loxostege sticticalis， Agrotis ipsilon and Mythimna separata， the insect numbers and dynamics obtained by remote monitoring and field survey in Taojiatun town， Gongzhuling city， Jilin province were compared from May 21 to October 10， 2019. The results showed that the ATCSP system could automatically take and upload photos of pests. The monitoring data of the four pests obtained by using the two methods were basically consistent; the adult dynamic curves were basically consistent， and the peak period and peak date were consistent. The ATCSP system can be used to remotely monitor the number and dynamics of the four species of Lepidoptera pests， which is helpful for reducing their frequencies of entering farms and improving the level of monitoring and early-warning automation. After improving the automatic identification and counting functions， ATCSP has a better prospect for promotion and application.

Key words

internet of things; Ostrinia furnacalis; Mythimna separata; Agrotis ipsilon; Loxostege sticticalis; remote monitoring; automation

病蟲测报是科学防控、精准防控的前提和基础，组织开展防控病虫害必须以病虫测报为决策依据和信息支撑。农业现代化离不开装备现代化，现代植保需要高效专业的测报工具，提升测报装备的技术水平是加快建设现代植保、发展现代农业的有效途径和必备手段。物联网是在互联网的基础上，通过感知层实现对物品信息的感知和采集，按照一定的通讯协议在网络层传输和交流信息，通过应用系统实现自动监控和管理的一种智能网络，作为一种新兴战略产业，在各行各业受到普遍重视。近年来，随着自动控制、无线网络、人工智能、区块链等自动化、信息化技术的快速发展，病虫测报领域也应用了一批物联网设备[12]。国内外对应用物联网技术进行虫情采集的研究主要分成两类，一类是通过应用光电或红外技术对性诱剂诱集到的虫体进行自动计数，这种方法对已经开发出专用性信息素的害虫如斜纹夜蛾Spodoptera litura、亚洲玉米螟Ostrinia furnacalis、二化螟Chilo suppressalis等比较有效，但不能用于尚未开发出专一诱集物质的害虫[37];第二类是通过微型摄像头拍摄诱集到的昆虫的图片或视频，这种方法可以记录较多的害虫信息，但容易受到摄像头分辨率、昆虫落姿及数量等因素的影响[811]。另外也有研究人员尝试将这两种技术集合在一个诱集装置中，对照图片人工校验自动计数，确保精准掌握害虫实时动态[1213]。农林病虫自动测控物联网系统（ATCSP）由农作物病菌孢子自动捕捉培养系统、虫情信息自动采集传输设备、农田小气候自动采集传输设备、农田生境远程实时监测设备及网络综合连接分析系统组成，是利用物联网技术在孢子捕捉仪、自动虫情测报灯等工具的基础上，通过集成改造开发的以图片和视频为核心的远程实时获取田间病虫发生情况及相关信息的新型测报工具[1]。为测试ATCSP的实际应用效果，逐步改进与完善该系统的性能，2019年开展了该系统对4种主要鳞翅目害虫亚洲玉米螟、草地螟、小地老虎、黏虫的监测试验，以期全面了解该系统的功能特点，推动该系统的提高和推广应用。

1 材料与方法

1.1 试验地和试验工具

试验地位于吉林省公主岭市陶家屯农业科技示范园（125.00°E，43.67°N），园区面积35 hm2，主要种植玉米、大豆、高粱等农作物。由河南佳多科工贸有限责任公司生产的ATCSP（本试验主要应用虫情信息自动采集传输设备）安装在科技园的中央区域，周围无高大建筑物遮挡和人工光源干扰。试验期间玉米处于4叶期到成熟期、大豆处于种子萌发期到成熟期、高粱处于种子萌发期到成熟期。

1.2 试验方法

2019年5月21日至10月10日（共计143 d），利用ATCSP监测亚洲玉米螟Ostrinia furnacalis （Guenée）、草地螟Loxostege sticticalis Linnaeus、小地老虎Agrotis ipsilon （Rottemberg）、黏虫Mythimna separata Walker等4种害虫成虫发生数量及动态。将人工辨识机器自动拍摄上传的照片和人工实地识别诱集的害虫虫体，逐日记录种类并对两种方式计数结果进行比较，检验物联网系统在大田作物主要虫害监测预警运用中的准确性、可靠性。

采取的两种方式计数： 1）远程计数。ATCSP自动拍摄灯诱成虫照片，并自动通过网络将照片发送到服务器，测报人员在电脑上远程辨识图片中的监测对象并计数。2）实地计数。测报人员到监测点现场，逐日将灯下诱集到的害虫实地鉴定种类并计数（传统方式）。

2 结果与分析

2.1 远程识图计数与实地调查计数的害虫总量比较

在试验开展时段内，通过ATCSP远程计数的亚洲玉米螟为1 640头，人工实地收虫计数为1 767头，远程计数与实地计数的相对误差率为7.19%;远程计数草地螟为160头，人工实地收虫计数为179头，相对误差率为10.61%。远程计数小地老虎为1 235头，人工实地收虫计数为1 298头，相对误差率为4.85%;远程计数黏虫为1 021头，人工实地收虫计数为1 037头，相对误差率为1.54%;ATCSP系统拍摄上传4种成虫照片见图1。

2.2 远程识图计数与实地调查计数的发生动态比较

比较害虫远程计数与实地调查计数的虫量变化曲线，ATCSP远程计数得到的亚洲玉米螟、草地螟、小地老虎、黏虫的虫量动态与实地计数基本一致。其中，玉米螟在6月上旬、6月下旬、7月上旬、8月上旬和9月初出现5个诱虫高峰期，峰日虫量为52～75头（图2）;草地螟只在6月中旬出现1个成虫高峰期，峰日虫量为60头（图3）;小地老虎出现2个诱虫高峰期，第一个高峰出现在6月上旬，峰日虫量37头，第二个高峰从7月下旬一直持续到8月下旬，持续时间将近一个月，峰日虫量是46头（图4）;黏虫在6月中旬和9月下旬出现2个成虫高峰期，峰日虫量63～70头，同时在7月中旬、8月底出现诱虫小高峰，虫量为20～22头（图5）。

3 讨论

由本试验可知，ATCSP系统可以自动拍摄上传玉米螟、草地螟、小地老虎和黏虫等害虫照片，人工远程辨识设备拍摄上传图片时计数获得的4种害虫总量均略低于实地调查计数，相对误差在1%～11%之间，但两种计数方法获得的成虫数量逐日变化曲线基本一致，峰期一致。因此，应用该系统可以监测本地4种害虫成虫的发生动态，通过网络远程鉴定计数系统自动拍摄存储的照片，明显地减少了虫情监测人员的下地次数，减小了对交通工具的使用需求，也在一定程度上减轻了劳动强度;同时由于照片可实时上传，也缩短了掌握田间虫情的时间，提升了监测预警的反应速度。

但是，人工远程识图计数与实地调查计数还存在一些数量差异，原因主要有：1）虫量大时靶标害蟲与其他昆虫大量落入，层层叠加，挡住下层的害虫，对辨别干扰较大;2）诱集到的害虫在接虫盘中死亡时姿态各异，照片中有的成虫侧面向上，有的腹面朝上，尤其是关键识别特征拍不到时，种类鉴别难度增大;3）害虫被灯光引诱撞击玻璃屏，再通过集虫漏斗落到接虫盘时，部分虫体或翅面出现破碎、脱落，虫体不完整;4）拍摄获得的害虫成虫照片分辨率不高、清晰度不够，需要不断地调整放大缩小倍数，获得理想的视觉效果;5）玉米螟、草地螟成虫虫体较小，不如虫体较大的黏虫和小地老虎容易识别，加大看图鉴别误差;6）直接从图片判断害虫的种类实际上对技术人员的要求更高，需要监测人员不仅能从正面准确识别害虫，还要具备窥一斑而知全豹的能力。而人工灯下实地调查计数可以从各个角度逐个观察诱集到的害虫，减少了上述弊端造成的鉴别困难。针对该系统虫情信息采集设备的运行状况和远程鉴别困难，建议尝试使用分辨率更高的摄像头以提高小型昆虫照片的清晰度、调整接虫盘的大小减轻害虫堆叠、缩短害虫的致死时间维持虫体完整;或可在终端操作平台上增加调试摄像头角度和焦距的功能，让监测人员根据不同时期的主要害虫种类微调摄像头，再根据虫量大小调整拍照间隔，保证获得清晰的目标害虫照片，提升远程辨别的准确率。

根据试验情况，ATCSP系统准确性和可信度较高。但与其他物联网虫情采集监测预警系统相比，该系统还需要研发害虫自动识别和自动计数等功能，考虑加入病虫害计算机自动图像识别技术对病虫害分析处理，通过计算机视觉识别技术对图像进行预处理、特征提取与优化、模式识别和计数等，以获得病虫害的种类和数量，实现病虫害的自动识别与统计[1416]，提高设备的自动化和智能化程度，促进病虫害监测预报的现代化，逐步实现病虫害监测由完全靠人到依靠机械化、自动化监测设备为主的蜕变。

参考文献

[1] 黄冲，刘万才.试论物联网技术在农作物重大病虫害监测预警中的应用前景[J].中国植保导刊，2015，35（10）：5560.

[2] 高磊. 基于物联网技术的果园虫害信息监测系统设计[D].合肥：安徽大学，2018.

[3] 陈光绒，李小琴.基于物联网技术的农作物病虫害自动测报系统[J].江苏农业科学，2015，43（4）：406410.

[4] 罗金燕，陈磊，路风琴，等.性诱电子测报系统在斜纹夜蛾监测中的应用[J]. 中国植保导刊，2016，36（10）：5052.

[5] 杨秀君，曾娟.玉米螟标准化性诱监测器及其自动计数系统的监测效果浅析[J]. 中国植保导刊，2016，31（11）：5053.

[6] 张振铎，张琼，金春丽，等.水稻二化螟成虫动态的性诱监测及其影响因子分析[J].中国植保导刊，2017，37（10）：4245.

[7] POTAMITIS I， ELIOPOULOS P， RIGAKIS I. Automated remote insect surveillance at a global scale and the internet of things [J/OL]. Robotics， 2017， 6（3）： 19.DOI： 10.3390/robotics6030019.

[8] 韩瑞珍.基于机器视觉的农田害虫快速检测与识别研究[D].杭州：浙江大学， 2014.

[9] 王圣楠. 基于物联网技术的农林病虫害生态智能测控系统构建及其应用[D].泰安：山东农业大学， 2017.

[10]施盛华. 基于物联网与图像识别的太阳能果园虫害监测系统研发[D]. 杭州：浙江科技学院， 2019.

[11]KOSHY S S， SUNNAM V S， RAJGARHIA P. et al. Application of the internet of things （IoT） for smart farming： a case study on groundnut and castor pest and disease forewarning [J]. CSIT， 2018， 6： 311318.

[12]赵晴，臧贺藏，张杰，等.基于物联网技术的作物虫情采集监测预警系统构建[J].河南农业科学，2019，48（12）：164169.

[13]SCIARRETTA A， CALABRESE P. Development of automated devices for the monitoring of insect pests [J]. Current Agricultural Research Journal， 2019，7（1）： 1925.

[14]马菁，张学俭.物联网技术在宁夏枸杞病虫害监测预警中的应用[J].林业调查规划，2018，43（6）：7174.

[15]罗桂兰，杨自忠，张梅，等.洱海湿地昆虫智能识别与实时监测系统[J].大理大学学报，2018，3（6）：612.

[16]POLAND T M， RASSATI D. Improved biosecurity surveillance of non-native forest insects： a review of current methods [J]. Journal of Pest Science， 2019， 92： 3749.

（責任编辑：田 喆）