物联网智能虫情测报系统在枸杞害虫远程监测中的应用试验

魏秀红 邹佳辉 刘艳楠 何燕 张欣怡 齐丽君

摘要采用物联网智能虫情测报系统和频振式杀虫灯人工计数进行对比试验，得出在托普云农（TPCB-Ⅱ-C7.0）物联网系统计数、托普云农（TPCB-Ⅱ-C7.0）物联网系统人工收虫计数、频振式杀虫灯人工收虫计数3种方法中，枸杞木虱和枸杞蚜虫发生盛期和高峰期基本一致，绝对诱虫量存在差异。物联网远程监测与人工监测之间具有一定的差异，今后，物联网监测系统在软件、硬件方面都应当进一步提高。物联网虫情测报系统具有较高的准确性和可信度，有助于林业病虫害疫情预测。

关键词物联网智能虫情测报系统;监测;枸杞害虫

Abstract  Using the iot intelligent insect information system and the frequency vibration insecticidal lamp manual count to carry on the contrast experiment， obtained in the top cloud agriculture （TPCB-Ⅱ-C7.0） the iot system count， the top cloud agriculture （TPCB-Ⅱ-C7.0） the iot system artificial insect collection count， the frequency vibration insecticidal lamp artificial insect collection count 3 methods， the medlar wood lice and the medlar aphid occurrence prosperous period and the peak period basically consistent， the absolute trap quantity exists the difference. There are some differences between remote monitoring and manual monitoring of the Internet of things. In the future， the monitoring system of the Internet of things should be further improved in software and hardware. The Internet of things bug information system has high accuracy and credibility， which is helpful to predict the epidemic situation of forestry diseases and insect pests.

Key words  Internet of things Intelligent Insect Detection and Reporting System;monitor;Lycium barbarum pests

近年來，物联网技术在农林自动化节水灌溉、农产品质量安全追溯、林业资源监测、森林防火等方面广泛应用，并逐步开始应用于林业有害生物远程监测，采用物联网和大数据驱动技术的应用能够扩大有害生物监测的范围，提高监测效率，及时有效的预知有害生物发生趋势，从而降低有害生物暴发风险，提高农业生产效率[1-4]。林业病虫自动测控物联网由安置在田间的高清摄像头，自动虫情测报灯等部分组成。经过远程设置后，该系统定时将自动虫情测报灯采集到的虫害信息通过无线网络发送至监测平台，平台对采集的数据自动记录归档，形成虫害数据库，并将虫害信息以各种图表、列表形式展现给技术人员进行远程诊断。技术人员可在电脑或手机客户端上通过互联网对林木长势、病虫害发生情况、灯下害虫诱集数量等有害生物发生关键因子进行实时监测，随时远程了解虫情情况与变化，为制定防治措施提供依据。

目前，该系统的应用还没有得到大范围的普及，具体的监测效果还需要大量试验的验证。2019年开展了物联网智能虫情测报系统应用试验，分别采用物联网虫情测报系统与人工计数进行对比试验，用物联网虫情测报系统和频振式杀虫灯人工计数进行对比试验，比较其差异程度，为进一步明确林业病虫自动测控物联网在枸杞病虫害监测方面的作用，评价其应用价值提供一定科学依据，为田间推广提供理论依据。

1  材料和方法

1.1实验设备

农作物病虫害实时监控物联网系统（TPCB-Ⅱ-C7.0），由浙江托普云农科技股份有限公司由生产，包括安置在田间的高清摄像头，智能型虫情测报灯及放置在室内的数据处理服务器组成。

1.2 试验地点和时间

试验设备（TPCB-Ⅱ-C7.0）安置于玉门市花海镇南渠村9组，主要为枸杞种植区，该试验点为中央财政林业示范推广项目-枸杞有害生物绿色防控示范点，远离城区和公路，周围无高大建筑物遮挡和人工光源干扰。监测时间为2020年6月1日至8月31日，共计92d，试验期间系统运行正常。

1.3监测对象

对枸杞危害较重的枸杞木虱、枸杞蚜虫。

1.4试验方法

下载（TPCB-Ⅱ-C7.0）系统中自动虫情测报灯每日拍摄的所有照片，对照片中的监测对象进行识别，电脑分类计数;收集自动虫情测报灯每天诱集的害虫，按种类分类进行人工统计;收集频振式杀虫灯收集到的害虫，并进行人工计数;对比远程监测的害虫数量和实际诱集量的差别。

1.5数据记录

实验期间（4月1日-8月30日）逐日记录物联网自动虫情测报系统、虫情测报灯枸杞木虱、枸杞蚜虫诱虫数量。（TPCB-Ⅱ-C7.0）系统中自动虫情测报诱虫数量为系统自动分辨计数，结果录入害虫远程实时监测情况记载表;虫情测报灯和频振式杀虫灯均采用人工收虫、人工计数，将结果逐日录入害虫远程实时监测情况记载表，分析结果，对比以上几种调查方法统计结果之间的差异。

2  实验结果

托普云农（TPCB-Ⅱ-C7.0）物联网系统-虫情信息采集系统试验结果

2.1托普云农（TPCB-Ⅱ-C7.0）物联网系统自动计数与人工计数比较

2.1.1枸杞木虱

5月1日到7月15日，托普云农（TPCB-Ⅱ-C7.0）物联网系统自动计数数据 1223头，人工收虫、人工计数数据2157头，相差934头，误差率为43.3% 。

2.1.2枸杞蚜虫

5月1日到7月15日，托普云农（TPCB-Ⅱ-C7.0）物联网系统自动计数数据562 头，人工收虫、人工计数数据423头，相差139头，误差率为32.8% 。

图1、图2分别为托普云农（TPCB-Ⅱ-C7.0）物联网系统下，枸杞木虱和枸杞蚜虫系统计数和人工计数比较情况，由图可知，两种计数方法中枸杞蚜虫的消长趋势基本一致，但是在绝对值上有差别，这可能跟虫体大小、辨识度等有一定关系。

2.2托普云农（TPCB-Ⅱ-C7.0）物联网系统与频振式测报灯人工收虫、人工计数比较

2.2.1枸杞木虱

2.2.2枸杞蚜虫

图3、图4分别反映了枸杞木虱和枸杞蚜虫在托普云农（TPCB-Ⅱ-C7.0）物联网系统自动计数和频振式杀虫灯人工计数两种方法下的统计结果，可以看出成虫高峰期基本一致，但绝对量相差较大。相对而言，枸杞蚜虫成虫高峰期一致性不如枸杞木虱，这与蚜虫的虫体较小，图片难以辨别有一定的关系。

3  分析与讨论

托普云农（TPCB-Ⅱ-C7.0）物联网系统计数;托普云农（TPCB-Ⅱ-C7.0）物联网系统人工收虫、人工计数;频振式杀虫灯人工收虫、人工计数这3种方法中，枸杞木虱和枸杞蚜虫发生盛期和高峰期基本一致，但3种方法的绝对诱虫量存在差异，原因分析如下：

3.1枸杞木虱、蚜虫的虫体较小，从图片中进行有效识别并进行计数存在一定难度。

3.2虫量多时易堆积，物联网系统自动识别时，同种害虫或者多种害虫重叠覆盖，对辨认造成难度，无法准确计数。

3.3枸杞木虱、蚜虫属于弱趋光性，迁飞能力不强，但在对托普云农物联网系统中收集的害虫进行调查后发现，该系统对周围农田防护林有较大的诱虫量，且与害虫发生盛期和高峰期一致。

3.4因本示范点为枸杞绿色防治示范点，蚜蟲和木虱在枸杞休眠期（11月处和翌年3月下旬）已喷施两次3-5%波美度石硫合剂、5月上旬喷施3.6%烟碱.苦参碱微囊悬浮剂1000倍液进行药剂防治，5月上旬悬挂可降解黄色和蓝色沾虫板等物理措施和农业措施，枸杞蚜虫和木虱虫口密度已大幅度下降，危害程度在轻度以下。

4  结论与讨论

从上述结果中可以发现，物联网远程监测虽然能够较为准确的预测虫情动态和发生趋势，但从具体统计数量上来看，与人工监测之间仍具有一定的差异。在今后的发展中，物联网监测系统在软件硬件方面都应当进一步提高，硬件方面，应该重视识别精度的提升，如提高摄像头分辨率等;软件方面，则可以通过先拍照后对焦技术提高识别效率。

物联网虫情测报系统集数据采集、监控、专家系统等功能为一体，智能监测、实时采集监测区域有害生物状态信息，实现了林业有害生物测报的数字化、智能化、可视化、规范化。具有较高的准确性和可信度，有助于林业病虫害疫情预测，在林业有害生物测报中工作中，具有推广价值，有效助力森防工作的开展。

参考文献：

[1]李云增.托普云农：积极助推中国农业数字化转型[J].中国植保导刊，2020（6）：95-96.

[2]付佳，安增龙.基于农业物联网技术的智慧农业研究进展[J].现代农业科技，2020（5）：232-235.

[3]易宁，刘有株.基于物联网的水稻大田智能预警监控系统[J].江苏农业科学，2018，46（19）：264-268.

[4]郝志华，黄志君.桑树病虫害预测预报的研究进展[J].广东蚕业，2017，51（3）：4-6.