鸟害防治技术及其在农林中的应用展望

于强 张健 殷程凯 陈青

摘要：鸟害造成的粮食减产、水果品质降低等问题严重制约农林经济发展，因此鸟害防治在农林经营过程中有重要的研究意义与应用价值。通过概述鸟害防治技术分类与特点，重点对激光驱鸟技术、声波驱鸟技术以及鸟情监测综合防治技术的发展历程和现状进行归纳，分析出当前农林驱鸟装备正从电子化向智能化发展的趋势。针对目前鸟害防治装备还存在易被鸟类适应、协同性差、通用性差等问题，提出建立鸟类生物学信息库为驱鸟装备提供发展依据，弱化鸟类适应能力；发展智慧农林推进农林鸟害防治的信息化与协同工作能力；培育农林抗鸟害作物，并开发先进鸟类监测算法提高识别率提前规避鸟害，做到鸟害治理为主，预防为辅。

关键词：驱鸟技术；鸟害；鸟类识别；智慧农林

中图分类号：S441

文献标识码：A

文章编号：2095-5553 （2023） 03-0064-09

seriously restrict the development of agriculture and forestry economy， so the bird damage control has important research significance and application value in the process of agriculture and forestry management.This paper briefly summarized the classification and characteristics of bird damage control technology， focuses on the development history and current situation of laser bird repelling technology， sonic bird repelling technology， and integrated control technology with bird monitoring， and analyzes the development trend of agricultural and forestry bird repelling equipment from electronic to intelligent. In view of the existing problems of bird damage control equipment， such as easy adaptation by birds， poor coordination and poor versatility， it is proposed to establish a bird biological information database to provide a basis for the development of bird repellent equipment to weaken the adaptability of birds. Smart agriculture and forestry should be developed to promote the informatization and collaborative of bird repelling equipment. In the future， it is necessary to strengthen the cultivation of crops which are resistant to bird and develop advanced bird monitoring algorithms to improve the recognition rate to avoid bird damage in advance， so that bird damage control is the main， prevention is supplemented， governance first， prevention as a supplement.

Keywords： bird repelling technology; bird damage; bird recognition; smart agriculture and forestry

0引言

我国是粮食和水果的生产大国，小麦、苹果、梨、柑橘等产量居全球前列。然而，随着生态环境及鸟类生存环境的改善，鸟类数量增多，农林鸟害问题日益突出。

据统计，2020年四川省广安市农田鸟害发生面积达75.4 khm2，损失粮食522 t，经济作物436 t［1］。2021年，冀西北地区的鲜食品种葡萄受害率高达15%［2］，严重影响种植人员的经济收益。除了造成产量降低，水果果实被喜鹊、麻雀、灰椋鸟等鸟啄食后会留下疤痕造成果品降低，非常不利于国内水果的品质化发展，严重的还会将鸟喙中的病菌通过果实传染整棵果树和果园［3］。因此，鸟害防治对于农林经济健康、高质量发展起到关键作用，也是我国实现从农业大国向农业强国发展目标的基础。

鸟害防治技术包括鸟害预防技术和鸟害治理技术，与以往采用的毒药诱杀相比，驱鸟技术不会对鸟造成伤害，符合当今绿色、可持续的发展理念。近年来，国内外诸多学者以“智能、高效、绿色”为理念，在鸟害防治方面取得了一定的成果。

本文概述了目前现有的鸟害防治技术原理及特點，综述了声波驱鸟器、激光驱鸟器以及鸟情监测综合防治技术的国内外发展，针对目前驱鸟技术存在的问题，对农林驱鸟技术提出发展建议，以期为农林鸟害防治技术的进一步研究和应用提供科学依据。

1鸟害防治技术分类及特点

1.1监测预警

利用鸟类监测技术对鸟群活动观测和记录，通过数据分析得到鸟害发生的时间、地域关系，在开展活动时可以主动避开这些鸟害高发区域［4］。探鸟雷达广泛用于机场周围的鸟情监测任务，具有探测半径大的特点，然而其成本较高耗电量巨大。目前基于深度学习的鸟类声音、图像识别技术快速发展，并在鸟害治理领域取得一系列应用［5］。

1.2物理防治

物理驱鸟包括使用驱鸟刺、反光风轮等，具有安装简单、成本低廉等优点［6］。果园中常见的手段是拉防鸟网、给果实套袋等，防鸟网经常存在将鸟类缠绕致死的现象。套袋对防治小型鸟及病虫害有较好效果，但是对喜鹊、乌鸦等鸟类效果较差，一些作物如草莓、向日葵等也不适合套袋作业［7］。

1.3声学防治

声学驱鸟利用声音刺激鸟类，使其感到紧张和恐惧，从而远离保护区域，比如使用驱鸟炮、天敌叫声、超声波语音等［8］。声波驱鸟器工作可不受季节、地域限制且驱鸟范围大，广泛用于机场、农田、果园、鱼塘、电力设施。

1.4激光防治

激光驱鸟器利用鸟类对绿色光线敏感的原理，工作时发射一道绿色激光，扫射时鸟类看到一根绿色大棒从而产生恐惧，从而达到驱鸟效果。激光驱鸟器具有驱赶半径大、有效时间长等优点，且对人不会造成危害。

然而激光驱鸟装置效果容易受环境影响，白天使用效果远不如夜晚，且光的穿透能力较弱，这些特点也使得激光驱鸟装置的使用场合受到限制，常用于鱼塘、机场等开阔区域［910］。

1.5驱鸟剂防治

鸟类不喜欢甲基蒽醌类化合物的味道，根据这一特性人们制作出驱鸟剂［1112］。驱鸟剂投放后能够刺激鸟类的神经系统和呼吸系统，且具备生物降解性特点，目前已经开发出粉剂、水剂、原油、颗粒、膏剂等剂型，其中果园主要使用水剂、粉剂兑水直接喷洒在果实和叶片上。

此外，根据不同的鸟类习性，还开发出味觉型驱鸟剂和嗅觉型驱鸟剂。而触觉类的驱鸟剂都是粘稠的，涂抹在屋檐、天线上使鸟类不敢在上面降落［1314］。驱鸟剂广泛用于机场、果园、晒场、电力设施等场所附近，投放一次有效时间长达15～20 d。

1.6生态防治

生态驱鸟结合鸟类学和生态学的原理采用物种生物链控制鸟害［15］，常见手段有修剪草坪和杀灭草地昆虫，降低附近区域对鸟的吸引力；种植驱鸟草，使鸟类吃了消化不良而离开［16］；训练猎鹰等猛禽，利用食物链中天敌吓走鸟类［17］。一些动物如鹰、虎等粪便的特殊气味会激发鸟类对天敌的恐惧，也被证实具有吓走鸟类的效果。

生态驱鸟从草、虫、鸟三方面关系入手，以自然规律为基础实现对鸟类生存环境生态化调控，能够对鸟害事件科学控制，更符合新时代背景下绿色、环保、可持续的主题，可实现从源头治理鸟害。但是利用生态驱鸟是一个长期的过程，这种培养生态的方法无法实现立竿见影的效果。

表1对比了不同驱鸟技术的优缺点，其中物理驱鸟应用最广泛，驱鸟效果较差；驱鸟剂、生态学驱鸟技术局限性较大，且驱鸟效率低下；激光驱鸟技术、声学驱鸟技术应用范围大，驱鸟效果较好，但是容易造成声、光污染，在如何防止鸟类产生适应性方面也需要加强研究。

2鸟害防治技术与装备国内外研究现状

随着工业化和城镇化的发展以及社会老龄化的加剧，劳动力成本逐渐升高，机械化、电子化、高效化是未来农林业装备的发展趋势。农林业中使用防鸟网等依靠人工驱鸟的手段逐渐淘汰，下面综述激光驱鸟、声学驱鸟、鸟类监测综合防治技术的发展趋势及应用现状。

2.1激光驱鸟技术

国外激光驱鸟技术研究及落地应用比国內早，2000年Glahn等［18］发现632.8 nm的激光对鸬鹚、大雁驱赶效果较好。2001年法国某公司开始研究激光驱鸟器，2003年研制出TOM500激光驱鸟器帮助蒙比利地中海国际机场降低了40%鸟撞事故。2017年美国Brown等［19］为驱赶危害甜玉米的害鸟，设计出一种能够发射直径为14 mm，波长为532 nm的激光器，并与对照组没有激光器的田地进行为期三年的对比试验，发现采用激光驱鸟器的田地受损失作物明显低于未受保护田地。荷兰Elbers等［20］还将激光驱鸟器应用于牧场中保护家禽免受野外鸟类带来禽流感，在试验农场中放置摄像头观察并记录每天鸟类活动，发现野鸭和海鸥大量存在于没有激光驱鸟器的牧场中，一些捕食者如红隼、猫头鹰也在28天的观察期中出现18天，而在开启了激光驱鸟器的牧场中，野鸭仅出现了1天，捕食者数量也明显减少，有效降低了牧场的损失。

2002年，江超等［21］使用He-Ne、LD、YAG、CO2四种不同类型激光器对常见几种鸟类进行照射试验发现了最佳的驱鸟激光波长，为国内激光驱鸟器的发展奠定了理论基础。2005年，国内出现了第一个关于激光驱鸟装置的专利申请，随后几年有关激光驱鸟的专利逐渐变多，国内激光驱鸟装置开始初步发展。张云［22］在此基础上研究了鸽子与斑鸠的灵敏波长，证实了580 nm的黄绿激光是鸽子、斑鸠的反应波段，丰富了激光驱鸟理论。2017年，杨景发等［23］设计一款果园用的LED激光驱鸟系统，发现实验室的麻雀对满天星式绿色LED灯光非常敏感，然而他的研究仅限于理论，试验并不深入。为实现激光自动追踪，李建等［24］设计出一款带全景成像装置和二自由度多级云台的激光驱鸟器，该驱鸟器基于TMS320DM8148处理器平台，能在使用过程中识别并跟踪飞鸟持续照射，实现有效驱赶。在此基础上，张少伟等［25］提出将雷达探测与激光驱鸟器结合，实现智能化驱鸟工作，可以24 h不间断驱鸟。国内某厂家生产出的KY-JGQNQ型大功率激光驱鸟器具有大口径、长焦距等特点，可以水平调节360°，俯仰90°，搭配扫描云台可实现自动驱鸟。

综上所述，我国激光驱鸟技术相关理论研究相对于国外稍晚，江超对鸟类光线敏感波长的研究奠定了国内激光驱鸟器的发展基础。之后，张云对鸽子与斑鸠的研究丰富了激光驱鸟器相关理论。目前，国内外研究者已经将激光驱鸟技术应用于机场、农场、果园等场合，并验证了激光驱鸟器的有效性。激光驱鸟装置已经从过去人工操作模式向自动控制转变，现阶段的激光驱鸟装置朝着高效、自动化、智能化方向发展。

2.2声学驱鸟技术

王家喜［26］提出的果园全自动驱鸟炮采用电子控制，燃料为煤气，每隔几分钟点火一次，每响一炮只需一分钱的成本，一门炮可以看守1.3 hm2果园。图1是一种机场用的驱鸟炮，突发式强噪声具有驱鸟范围大的优点，但是往往造成噪声污染，且一段时间后就会被鸟类适应。

生物学声音相比于强噪声驱鸟有了改进，利用动物食物链的原理将鸟类天敌叫声融入声学驱鸟中，可有效减弱鸟类适应能力。谢将剑等［27］发现鸟类的惨叫声、惊叫声相比于驱鸟炮这种无声学意义的声音具有更好的驱鸟效果，给使用生物学声音驱鸟提供了重要参考。图2所示为定向声波驱鸟器是采用生物学恐惧声驱鸟的典型代表，采用相控阵列声驱动技术，相较于煤气炮具有能量集中、可播放多种声源等特点［28］，可驱赶2 000 m范围的鸟类。Suryawanshi等［29］研究了印度的常见害鸟乌鸦、八哥等鸟类，对鹰、猫头鹰、猎鹰等多种常见捕食者声音进行测试。试验研究发现猎鹰等捕食者的声音类型、音量、重复性是驱鸟的关键。Wang等［30］在葡萄园中使用搭载了扬声器的无人机驱赶鸟类，无人机上还固定了一个假鸟模型，扬声器中不断播放鸟类间的求救叫声，该特殊制作的无人机能充分利用鸟类心理学，激发附近鸟类对该装置的长期恐惧，并取得了较好的试验效果，一架不断移动的无人机能保护25 hm2的葡萄园。为提高生物学驱鸟有效范围，韩国Cho等［31］对果园中传统声学型驱鸟系统改进，设计的扬声器可以360°旋转，通过提高扬声器声压的方式将驱鸟距离从30 m提升到60 m。

可听声驱鸟装置一般定时播放语音，具有成本低、传统简单、应用范围大等优点，但是容易产生噪音污染，因此适合附近开阔、人迹罕至的区域。由于鸟类有极强的适应能力，在受到突然的高分贝噪声惊吓后会立马飞往四周，并会确认声源处是否真的有危险，长时间使用驱鸟效果减弱，且存在驱鸟间隔期，存在需要驱鸟时装置不工作的情况［3233］。

为解决可听声驱鸟噪声污染问题，通过对鸟类听觉特点研究，发现大部分鸟类对16～25 kHz频率之间的声波极度敏感［34］，这可能因为超声波影响到了鸟类探测地球磁场的能力，干扰了鸟类的方向感，利用这一原理国内外在20世纪七八十年代先后申请了超声波驱鸟器的专利。

早期的超声波驱鸟装置其超声波频率固定使用一段时间后就几乎没了驱鸟效果。随着科技的进步，声学驱鸟装置逐漸从早期简单的噪音驱鸟向多模式驱鸟转化［35］。陈隐宏等［36］设计的超高亮LED驱鸟控制系统可以切换不同挡位，结合超声波模块，有效降低了鸟类的适应性。但其设计的产品在没有害鸟时依然运行，浪费了大量能源。为提高能源利用效率，张弛等［37］设计出一种农田智能驱鸟器，由太阳能和锂电池供电，采用红外传感器实时监测鸟类，当探测区域飞入鸟类时主控芯片控制数码语音和超声波语音同时工作，但是使用红外探测器有一定的局限性，例如监测面积小、容易产生误判等问题。

近年来，出现了一系列针对高空鸟害问题的超声波驱鸟器，实现了鸟害立体化防治［38］。Surya等［39］设计出一种飞机用的超声波驱鸟装置，设备安装在飞机头部，在飞机起飞和降落时打开，有效降低了飞机升降时的鸟击事故。王明君等［40］设计出一种驱鸟无人机，并提出了一种基于遗传算法的任务分配方法，可以完成多无人机工作。该种驱鸟装置主要通过语音喇叭和超声波驱鸟，对于驱逐中高空的大型鸟类和猛禽等效果很好。图3为ZJ-EJ6型驱鸟无人机，集成了语音、激光和超声波功能，无人机顶还放置一个猛禽模型，增加了对鸟群的威慑力。

声波驱鸟器经历了由利用突发式噪声吓鸟到使用生物学天敌叫声驱赶鸟再到使用超声波刺激鸟类三个过程的发展。为解决鸟类适应的问题，声波驱鸟也由早期的单音频发展到如今的多频、变频驱鸟，并且具备了高低空立体化防治的能力，在能源利用率方面也有所提高。声波驱鸟器具有不受时间、地域、天气影响的特点，因此广泛用于各种需要驱鸟的场合。由此可知，未来声波驱鸟器的发展趋势是智能化、节能化、通用化。

2.3鸟情监测综合防治

鸟情监测一般配合驱鸟炮、定向声波等驱鸟手段使用。2000年以前，主要使用空管雷达、气象雷达对鸟群活动观测和记录。近年来，随着技术的发展，基于深度学习的目标识别技术由于其成本低、即时性优点逐渐在民用领域用于鸟类监测任务，也为发展基于鸟类监测的驱鸟装备带来新动力。现有的基于深度学习的鸟类识别技术有基于鸟类形态学特征、鸟鸣声特征。

2.3.1探鸟雷达

探鸟雷达代表性产品有Merlin、Accipiter、Robin、Aveillant四种［41］，探测能力受算法、雷达波形、天线等影响，可根据鸟类目标的飞行速度、回波幅度等特征对扫描到的物体识别分类，实现对小区域范围的单个飞鸟有效跟踪，并提供鸟类目标更多细节数据，如：鸟类迁徙路径、鸟类飞行高度等。利用雷达得到的鸟情数据分析并建立预警系统，为避开鸟类活动高峰开展人类活动提供科学依据。2006年至今，国内北京航空航天大学、海军航空大学等单位在探鸟雷达领域取得一系列研究成果，帮助风力发电机组避免鸟害、机场规划航线降低鸟撞风险。

2.3.2鸟鸣声识别监测

鸟鸣声包含丰富的生态学信息，鸟声识别技术常应用于鸟类行为监护、保护区信息采集等，在环境恶劣的野外也可以长时间监测，节约了大量人力［42］。

国外对鸟声识别的研究较早，在2007年，Fagerlund［43］使用SVM对鸟鸣声频谱参数分析，使用两组鸟类进行测试，最后利用一种分层拓扑结构得到了一个效率较高的分类器，对数据集中的鸟鸣声识别结果达到了90%的准确率，为鸟声识别研究作出一定贡献。新西兰Hunt等［45］研究一种能在检测鸟鸣时过滤其他声音的技术，用于监测新西兰本地鸟类数量的变化，同时还保护了录制鸟鸣的人的隐私信息。现实中在采集鸟鸣音频录音时常会有多种鸟类同时鸣叫，而现有方法大多集中于识别一个物种，美国Springer提出一种多并发鸟鸣识别方法，先通过二进制源码进行分离操作，然后对原始音频混合使用多标签分类系统进行物种分类，最终实现了较好的识别效果。

国内吕坤朋等［45］针对基于鸟鸣声特征的鸟类识别问题，提出一种自适应最优核时频分布（AOK）识别方法，对采集的鸟鸣信号预处理后，通过时频谱图对卷积网络模型进行训练，并进行实时预测，流程如图4所示。对20种常见鸟类试验后，总体识别率可以达到95.5%，具有泛化性好的特点。为了进一步提高识别效果，谢将剑等［46］提出一种基于鸟鸣声Chirplet语图特征的鸟声识别方法。引入小波变换计算鸟鸣信号语图，输入到深度卷积神经网络VGG中训练识别模型，测试集准确率可以达到98.17%，且训练前数据未经预处理，体现了模型具有一定抗噪能力。刘昊天等［47］提出一种基于特征迁移的多物种鸟声识别方法，利用最大均值度量鸟鸣样本特征分布差异，将不同分布的单物种鸟鸣声和多物种鸟鸣声音频特征映射为同分布的音频特征，解决了多物种鸟鸣识别中样本不足的问题，该方法相较于对比算法最高提升了20%。谢云澄［48］将输电线路害鸟鸟鸣的对数梅尔图作为输入，对比了CNN、RNN等模型识别效果，提出一种改进的MobileNetRNN检测模型，设计出一种新型驱鸟器，能够准确、快速检测和判断，及时驱赶害鸟。

鸟声识別可通过音频实现对鸟类识别，甚至在细粒度任务上也非常出色，但是非常依赖先进的音频处理技术对原始音频中的鸟鸣声进行特征提取，否则外界噪声的干扰问题非常严重。

2.3.3鸟类图像识别监测

计算机视觉技术目前已经在农林业有了较多应用，主要用于水果品质分类、森林火灾识别、病虫害识别等方面［4952］。各国研究者在使用计算机视觉技术防治鸟害方面也做出了一系列探索［5355］。

孙建刚［56］为解决鸟害造成输电线路短路、跳闸问题，提出一种利用基于yolo的输电线路害鸟检测办法，该方法将鸟类检测技术与超声波装置结合，使用多尺度方法保证对小目标的识别准确率，高效又节能。日本Yoshihashi等［57］为解决风力发电机组经常被鸟群袭击的问题，利用摄像头监视风力发电机组附近的鸟群，并用鸟类专家提供的数据集训练网络模型，监视鸟群的行踪、种类，每当鸟群靠近就使发电机减速或者停止，不仅保护了鸟类的多样性，而且减少了财产损失。美国Nadimpalli等［58］将图像处理技术用于农业保护中。为了保护鱼池中的鱼苗不被鹈鹕、白鹭、鸬鹚和苍鹭等鱼鸟捕食，设计出了一种半自动船，用于在发现害鸟位置后控制船只过去驱逐鸟类。这种方法能够有效保护了鱼苗，同时也保护了一些濒危物种的鸟类。朱艳［59］在生态驱鸟的基础上，在国内首次将计算机技术和鸟类学知识相结合，制作了“空军机场鸟类辅助识别系统”，利用计算机平台，为空军机场防鸟撞工作提供决策参考依据，提高工作的科学性和有效性，降低鸟撞飞机事件发生的概率。马来西亚研究者为驱赶果园中的害鸟，将深度学习目标识别模型部署到树莓派中，由树莓派上的相机作为模型的图像输入端口，模型推理检测到害鸟后控制语音喇叭播放噪声驱赶鸟类，一定程度上保护了果实免受啄食。

鸟类图像识别技术目前存在的问题是，在户外使用时容易受明暗光线、复杂环境影响，误识别率较高，同时还存在鸟类间的细粒度识别难度大等问题，但是经过国内外多个学者对目标识别模型的改进，鸟类图像识别技术已经取得了较大进展。

鸟类监测在鸟害防治中扮演着重要角色，实现农林业鸟害防治可视化，做到鸟害前预防，鸟害发生时针对性驱鸟。目前的驱鸟装备发展趋势是将多种声光技术融合弱化鸟类适应能力，并向着人工智能方向发展。探鸟雷达的监测能力最强，但是成本高、用电量大，难以推广使用，中国、美国、日本等国家的研究学者在基于深度学习的鸟类识别技术研究为鸟类监测的推广发展指明了方向。

3存在问题

经过总结上述文献可知，尽管国内外研究学者已经在鸟害防治理论和应用上有了大量研究，目前的驱鸟技术和装备仍存在一些问题，还有进一步提升空间。

1）  鸟类有很强的环境适应能力，现有的驱鸟装备从视觉、听觉等角度刺激鸟类，使用一段时间后容易被适应，影响鸟害防治效果，经常更换驱鸟设备无形中增加了农民的驱鸟成本。目前在实际驱鸟工作中常将听觉、视觉、化学手段叠加使用，达到延长鸟类适应时间和提高驱鸟效果的目的，持久、高效的驱鸟技术还需要进一步研究。

2）  目前，国内驱鸟装备与国外相关产品相比大多数结构简单、智能化程度低、价格低廉，高端产品依赖进口，低端产品效果参差不齐。驱鸟装置之间没有按需调度能力，产品的技术壁垒低，难以品牌化发展。

3）  当前大部分电子驱鸟装备没有主动监测功能，因此只能设置为每隔一段时间工作或者全天候工作模式。间断工作模式容易出现有害鸟时装置却没工作的真空期，全天候工作模式不仅容易被鸟类适应，还存在着能源利用率低的问题。而部分有主动监测功能的驱鸟装置由于识别算法简单，在农林这样的复杂环境中容易出现误检、漏检，让识别触发能力成为了摆设。

4）  鸟害生态防治技术利用生态学的原理，以自然规律为基础实现对鸟类生存环境生态化调控，可从源头减少鸟害发生。但是在国内利用生态学防治鸟害的方法受重视程度不足，相关应用还需要进一步探索。

4发展建议

1）  驱鸟技术使鸟类产生不适或恐惧达到驱离目的，涉及鸟类生物学、心理学、生态学理论知识，对相关领域要深入研究。了解每种鸟的食性规律和畏惧的声光波段，建立起全国统一的鸟类生物学信息库，为开发不同种类的驱鸟装置提供理论支持，增强驱鸟装备的针对性和专业性，弱化鸟类的适应能力，进一步提高驱鸟器的使用效费比。

2）  国家可对农用防鸟害设备补贴，降低农民的驱鸟设备购置费用，不仅能提高农户的农作物产量，还能促进设备生产厂家对新技术、新产品的投入，促进产品品质化。利用物联网、5G技术对农林驱鸟装备赋能，实现驱鸟装备按需调度、协同工作，推进农林管理信息化、远程和智能化。

3）  隨着农林业管理逐渐现代化，农林业生产也逐渐向精细化发展，鸟类监测将成为智能驱鸟技术的重要部分。但其使用在农林这样的复杂环境时，还需要开发更先进的识别算法，解决漏检、误检等难题并尽量组合使用优势互补，提高鸟类识别的准确性。未来还可利用所监测的鸟类飞行轨迹和食性规律数据搭建鸟情监测预警平台，在鸟害多发的地域和时段加强防护，进一步减少鸟害损失。

4）  生态驱鸟具有绿色、可持续的优点，应受到重视。可利用基因编程技术培育新农林抗鸟害作物，将自然界中存在的鸟类不喜欢靠近的植物的相关基因植入新品种农林作物中，从食性上减少鸟类的危害。在农作物附近可种植驱鸟草或者薰衣草，尽量减少鸟类在附近出现频率。还可以搭建人工鸟巢，吸引鹰、隼等肉食性鸟在农田、果园中安家，吓走危害农作物的鸟类。

5结语

鸟害防治一直是农林业工作中一项重要和艰巨的任务，随着农业信息化的不断深入，现阶段依靠人工驱鸟的方式将会逐渐被更高效的新型驱鸟技术取代。本文通过对比，分析了电子驱鸟技术的优势，对国内外基于声、光角度开发的驱鸟技术与装备的研究与应用情况综述后发现：现阶段的驱鸟装备在智能化、品质化、驱鸟针对性等方面还有较大提升空间，并给出了相关发展建议。除此之外，提出将生态驱鸟技术融入日常鸟害防治工作中，并利用鸟类监测设备提前预警。农林的鸟害防护和治理技术结合是未来发展方向之一。

参考文献

［1］邢艳， 张伟， 王军， 等. 川东地区农田鸟害发生情况和防治措施［J］. 植物医生， 2021， 34（3）： 45-48.

Xing Yan， Zhang Wei， Wang Jun， et al. Occurrence and control measures of bird damage on farmland of eastern Sichuan ［J］. Plant Doctor， 2021， 34（3）： 45-48.

［2］杨茜， 徐敏. 冀西北地区葡萄鸟害及防御措施［J］. 数字农业与智能农机， 2021（23）： 50-51.

［3］胡灿实， 李海洋， 叶元兴， 等. 不同驱鸟情景模式对果园害鸟行为的影响［J］. 生态学杂志， 2012， 31（9）： 2365-2370.

Hu Canshi， Li Haiyang， Ye Yuanxing， et al. Influence of different birddriving modes on the behaviors of orchard pest birds ［J］. Chinese Journal of Ecology， 2012， 31（9）： 2365-2370.

［4］陈唯实， 黄毅峰， 卢贤锋， 等. 基于探鸟雷达的机场周边鸟类目标数量估计［J］. 北京航空航天大学学报， 2021， 47（8）： 1533-1542.

Chen Weishi， Huang Yifeng， Lu Xianfeng， et al. Estimating number of birds around airport based on avian radar ［J］. Journal of Beijing University of Aeronautics and Astronautics， 2021， 47（8）： 1533-1542.

［5］邵思迪. 机场探鸟系统中鸟类目标检测关键技术研究［D］. 西安： 西安理工大学， 2021.

Deng Sidi. Research on key technologies of bird target detection in airport bird detection system ［D］. Xian： Xian University of Technology， 2021.

［6］仇智. 配电线路鸟害综合防范措施［J］. 中国高新科技， 2021（15）： 28-29.

［7］余韵. 变频超声波驱鸟器预防蜜莉葡萄园鸟害可行性研究［D］. 重庆： 西南大学， 2011.

Yu Yun. The Feasibility study of application of alterative frequency ultrasonic against the bird pest in Michili vineyard ［D］. Chongqing： Southwest University， 2011.

［8］宋福春， 丁小明， 姚发， 等. 基于传感器技术和物联网技术的铁路智能驱鸟器的研究［J］. 铁路工程技术与经济， 2021， 36（1）： 33-37.

Song Fuchun， Ding Xiaoming， Yao Fa， et al. Research on railway intelligent bird repellent based on sensor technology and internet of things technology ［J］. Railway Engineering Technology and Economy， 2021， 36（1）： 33-37.

［9］刘吉沼， 李晓斌， 陈亦， 等. 一种新型智能激光驱鸟器的研制［J］. 低碳世界， 2017（36）： 332-333.

［10］Aidala Z， Chong N， Anderson M G， et al. Predicted visual sensitivity for shortwavelength light in the brood parasitic cuckoos of New Zealand ［J］. Chinese Birds， 2012， 3（4）： 295-301.

［11］Cowan P， Brown S， Forrester G， et al. Birdrepellent effects on bait efficacy for control of invasive mammal pests ［J］. Pest Management Science， 2015， 71（8）： 1075-1081.

［12］Olsen M M. Variations on stigmergic communication to improve artificial intelligence and biological modeling ［D］. USA： University of Massachusetts Amherst， 2011.

［13］赵永健， 崔国发， 刘润泽， 等. 常见驱鸟剂成分检测与最佳组合初探［J］. 南方农业学报， 2016， 47（2）： 306-311.

Zhao Yongjian， Cui Guofa， Liu Runze， et al. Primary study on compositions of common bird repellents and optimization of their combinations ［J］. Journal of Southern Agriculture， 2016， 47（2）： 306-311.

［14］Cheke R A， Mohamed E. A review of alternatives to fenthion for quelea bird control ［J］. Crop Protection， 2018， 116： 15-23.

［15］李先明， 朱红艳， 李梦歌， 等. 湖北地区砂梨有害生物发生及防治现状［J］. 果树学报， 2018， 35（S1）： 46-54.

Li Xianming， Zhu Hongyan， Li Mengge， et al. Investigation on main diseases， pests， grass and its control of Pyrus in Hubei ［J］. Journal of Fruit Science， 2018， 35（S1）： 46-54.

［16］丁剑桥， 蒋美其， 彭华洲. 驱鸟草技术在机场的应用探讨［J］. 科技创新导报， 2012（35）： 240-241.

［17］王长路， 祃轮元. 猎鹰机场驱鸟初探［J］. 河北林业科技， 2010（5）： 76-77.

［18］Glahn J F， Ellis G， Fioranelli P， et al. Evaluation of moderate and lowpowered lasers for dispersing doublecrested cormorants from their night roosts ［C］. Wildlife Damage Management Conferences—Proceedings， 2000： 11.

［19］Brown R N， Brown D H. Robotic laser scarecrows： A tool for controlling bird damage in sweet corn ［J］. Crop Protection， 2021： 1-8.

［20］Elbers A， Gonzales J L. Efficacy of an automated laser for reducing wild bird visits to the free range area of a poultry farm ［J］. Scientific Reports， 2021， 11（1）： 3-6.

［21］江超， 程愿應， 王又青， 等. 一种新型激光驱鸟器的研究［J］. 激光杂志， 2002（4）： 62-65.

Jiang Chao， Cheng Yuanying， Wang Youqing， et al. Research on a new type of laser bird repelling device ［J］. Laser Journal， 2002（4）： 62-65.

［22］张云. 鸽子斑鸠视觉光学研究［D］. 北京： 北京交通大学， 2018.

Zhang Yun. Research on visual optics of dove and turtles ［D］. Beijing： Beijing Jiaotong University， 2018.

［23］杨景发， 申文增， 刘高赛， 等. 一种果园LED闪光和绿激光驱鸟系统设计（9）［C］. 2017年中国照明论坛——半导体照明创新应用与智慧照明发展论坛论文集， 2017： 182-190.

［24］李建， 韩兰贵. 铁路输电线路智能激光驱鸟器设计［J］. 电气化铁道， 2017， 28（6）： 68-72.

Li Jian， Han Langui. Design of intellectual laser bird repelling device for power transmission line ［J］. Electric Railway， 2017， 28（6）： 68-72.

［25］张少伟， 王健， 米宏伟， 等. 配电线路智能激光驱鸟装置的研究［J］. 科技视界， 2021（27）： 2.

［26］王家喜. 果园遥控全自动驱鸟炮［J］. 山西果树， 2009（3）： 57.

［27］谢将剑， 李星光， 杨俊， 等. 音频驱鸟设备对野生喜鹊最佳驱除模式研究［J］. 四川动物， 2020（6）： 630-638.

Xie Jiangjian， Li Xingguang， Yang Jun， et al. The optimal birdrepellent model of audiobirdrepellent for wild pica pica ［J］. Sichuan Journal of Zoology， 2020（6）： 630-638.

［28］Schlichting P E， Holland A E， Beasley J C， et al. Efficacy of an acoustic hailing device as an avian dispersal tool ［J］. Wildlife Society Bulletin， 2017， 41（3）： 453-458.

［29］Suryawanshi V R. Design， manufacture and test of a solar powered audible bird scarer and study of sound ranges used in it ［J］. International Journal of Science and Research （IJSR）， 2015， 10（4）： 1709-1711.

［30］Wang Z， Griffin A S， Lucas A， et al. Psychological warfare in vineyard： Using drones and bird psychology to control bird damage to wine grapes ［J］. Crop Protection， 2019， 120： 163-170.

［31］Cho Y， Yun H， Hong H， et al. A study on bird deterrent system to improve the performance of repelling harmful birds ［J］. Journal of the Korean Society of Manufacturing Process Engineers， 2020， 19（8）： 15-21.

［32］Muminov A， Yun C J， Na D， et al. Development of a solar powered bird repeller system with effective bird scarer sounds ［C］. 2017 International Conference on Information Science and Communications Technologies （ICISCT）. 2017.

［33］Simeon M I， Mohammed A S， Adebayo S. Development and preliminary testing of an electronic pest repeller with automatic frequency variation ［J］. International Journal of Plasma Science & Engineering， 2013， 2（1）： 14-20.

［34］Arul S. Fabrication of mobile ultrasonic bird repeller ［J］. International Journal of Innovative Research in Advanced Engineering （IJIRAE）， 2019， 6（3）： 26.

［35］李睿. 多模式超聲波驱鸟器的研制［J］. 电工电气， 2021（3）： 35-40.

Li Rui. Research of multimode ultrasonic bird repellent device ［J］. Electrotechnics Electric， 2021（3）： 35-40.

［36］陈隐宏， 王计平， 郑奇， 等. 基于超高亮LED驱鸟控制系统的设计［J］. 光电子技术， 2020， 40（1）： 70-74.

Chen Yinhong， Wang Jiping， Zheng Qi， et al. Design of a bird repellent control system based on ultrabright LED ［J］. Optoelectronic Technology， 2020， 40（1）： 70-74.

［37］张驰， 李光林， 金城， 等. 农田智能驱鸟器设计与试验［J］. 西南师范大学学报（自然科学版）， 2016， 230（5）： 81-87.

Zhang Chi， Li Guanglin， Jin Cheng， et al. On Design and test of intelligent equipment of driving farmland birds ［J］. Journal of Southwest China Normal University （Natural Science Edition）， 2016， 230（5）： 81-87.

［38］郑茳萌， 邵清亮， 商忠晟. 低空空域超声波驱鸟器的设计［J］. 电子世界， 2020（1）： 162-163.

［39］Surya M， Rao N L， Kumar P. Ultrasonic bird repeller for aviation ［J］. International Journal of Engineering Applied Sciences and Technology， 2020， 1（5）： 163-166.

［40］王明君， 吴庆宪. 多无人机协同机场驱鸟任务分配［J］. 吉林大学学报（信息科学版）， 2019， 37（1）： 47-57.

Wang Mingjun， Wu Qingxian. Cooperative task assignment of MultiUAVs birddriving at airport ［J］. Journal of Jilin University （Information Science Edition）， 2019， 37（1）： 47-57.

［41］陈唯实， 黄毅峰， 陈小龙， 等. 机场探鸟雷达技术发展与应用综述［J］. 航空学报， 2022（1）： 176-196.

Chen Weishi， Huang Yifeng， Chen Xiaolong， et al. Development and applications of airport avian radar： Review ［J］. Acta Aeronautica et Astronautica Sinica， 2022（1）： 176-196.

［42］乔玉， 钱昆， 赵子平. 基于机器听觉的鸟声识别的中文研究综述［J］. 复旦学报（自然科学版）， 2020， 59（3）： 375-380.

Qiao Yu， Qian Kun， Zhao Ziping. A survey on Chinese literature for bird sound recognition based on machine listening ［J］. Journal of Fudan University （Natural Science）， 2020， 59（3）： 375-380.

［43］Fagerlund S. Bird species recognition using support vector machines ［J］. EURASIP Journal on Advances in Signal Processing， 2007， 2007（38637）： 2-8.

［44］Hunt T D， Ryan G， Ryanpears C. An investigation and comparison of speech recognition software for determining if bird song recordings contain legible human voices ［J］. Journal of Applied Computing and Information Technology， 2017， 21（1）： 45-51.

［45］吕坤朋， 孙斌， 赵玉晓. 基于鸟鸣声及深度学习的鸟类识别方法研究［J］. 科技通报， 2021， 37（10）： 24-30.

Lü Kunpeng， Sun Bin， Zhao Yuxiao. Research on bird recognition method based on bird singing and deep learning ［J］. Bulletin of Science and Technology， 2021， 37（10）： 24-30.

［46］谢将剑， 李文彬， 张军国， 等. 基于Chirplet语图特征和深度学习的鸟类物种识别方法［J］. 北京林业大学学报， 2018， 40（3）： 122-127.

Xie Jiangjian， Li Wenbin， Zhang Junguo， et al. Bird species recognition method based on Chirplet spectrogram feature and deep learning ［J］. Journal of Beijing Forestry University， 2018， 40（3）： 122-127.

［47］刘昊天， 姜海燕， 舒欣， 等. 基于特征迁移的多物种鸟声识别方法［J］. 数据采集与处理， 2017， 32（6）： 1239-1247.

Liu Haotian， Jiang Haiyan， Shu Xin， et al. Recognition of multiple bird species in audio recordings based on feature transfer ［J］. Journal of Data Acquisition and Processing， 2017， 32（6）： 1239-1247.

［48］谢云澄. 基于深度学习的鸟类声音识别的研究与应用［D］. 北京： 華北电力大学， 2021.

Xie Yuncheng. Research and application of bird sound recognition based on deep learning ［D］. Beijing： North China Electric Power University， 2021.

［49］卢柳江， 匡迎春， 陈兰鑫， 等. 基于级联AdaBoost分类器的农作物虫害图像识别研究［J］. 中国农机化学报， 2019， 40（8）： 127-131.

Lu Liujiang， Kuang Yingchun， Chen Lanxin， et al. Research on pest recognition based on cascaded AdaBoost classifier ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（8）： 127-131.

［50］

王铎， 温长吉， 王希龙， 等. 基于深度卷积条件生成对抗网络的虫害分类算法研究［J］. 中国农机化学报， 2020， 41（6）： 179-187.

Wang Duo， Wen Changji， Wang xilong， et al. Generating pest identification classification against network based on deep convolution conditions ［J］. Journal of Chinese Agricultural Mechanization， 2020， 41（6）： 179-187.

［51］陈雪艳， 李理， 范晓静， 等. 基于神经网络和证据理论的农田虫害预测算法［J］. 中国农机化学报， 2019， 40（2）： 151-156.

Chen Xueyan， Li Li， Fan Xiaojing， et al. Farmland pest prediction algorithm based on neural network and evidence theory ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（2）： 151-156.

［52］冯丽琦， 赵亚琴， 孙一超， 等. 复杂环境下森林火灾火焰局部纹理提取方法［J］. 中国农机化学报， 2019， 40（7）： 103-108.

Feng Liqi， Zhao Yaqin， Sun Yichao， et al. Method for extracting local texture of forest fire flame in complex environment ［J］. Journal of Chinese Agricultural Mechanization， 2019， 40（7）： 103-108.

［53］Le F， Luo J， Wu G. An uninterrupted bird repeller on transmission line ［C］. International Conference on Robotics & Biomimetics. IEEE， 2009.

［54］刘坚. 基于深度神经网络的鸟类图像识别系统设计［J］. 农业装备与车辆工程， 2019， 57（9）： 113-116.

Liu Jian. Design of bird image recognition system based on DNN ［J］. Agricultural Equipment & Vehicle Engineering， 2019， 57（9）： 113-116.

［55］娄志凯. 驱鸟系统下的鸟类识别与跟踪技术的应用研究［D］. 重庆： 重庆师范大学， 2016.

Lou Zhikai. Application research on the technology of bird identification and tracking under drivingbird monitoring system ［D］. Chongqing： Chongqing Normal University， 2016.

［56］孙建刚. 基于卷積神经网络的输电线路鸟害检测方法研究［D］. 北京： 华北电力大学， 2019.

Sun Jiangang. Research on bird detection method of transmission lines based on Convolutional Neural Network ［D］. Beijing： North China Electric Power University， 2019.

［57］Yoshihashi R， Kawakami R， Iida M， et al. Construction of a bird image dataset for ecological investigations ［C］. IEEE International Conference on Image Processing. IEEE， 2015.

［58］Nadimpalli U D， Price R R， Hall S G， et al. A comparison of image processing techniques for bird recognition ［J］. Biotechnology progress， 2006， 22（1）： 9-13.

［59］朱艳. 空军南京机场鸟类辅助识别系统［D］. 上海： 复旦大学， 2009.

Zhu Yan. Aided bird recognition system of Nanjing air force airport ［D］. Shanghai： Fudan University， 2009.