檱檱殗
檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱殗
檱檱殗
储粮有害生物及防治技术
１ 内部粮虫检测新技术
软Ｘ射线检测法根据谷粒受到害虫侵染后，
檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱殗识别方法具有重要的实际应用价值。发展趋势。
储粮害虫检测和分类识别技术的研究
２
路 静１ 傅洪亮１，
＊
）（５０００１１ 河南工业大学信息科学与工程学院 ４
（）２ 河南工业大学粮食信息处理与控制教育部重点实验室 ４５０００１
摘 要 储粮害虫是粮食损失的一个重要因素，储粮害虫的实时监测是进行综合防治的一种有效手段，也是近年来的研究热点。研究了近年来国内外储粮害虫检测新技术，如：基于图像识别法的外部粮虫检测新技术和基于软Ｘ射线成像检测、电导检测、微波雷达检测、近红外检测、声音检测等方法的内部粮虫检测新技术，分析了各种检测方法的优缺点，重点研究了图像检测识别方法并给出了今后发展趋势。
关键词 储粮害虫检测 图像识别检测 声音检测
粮食对于经济发展和社会稳定具有十分重要的意义，储藏不当会给国家造成巨大的损失，其中储粮害虫的危害是粮食损失的一个重要原因。害虫的实时检测是进行综合防治的一种手段，只有准确的粮食科检测和正确的识别，才能有目的的防治。《
［１］
指出：研发感知粮食温度、技十二五发展规划》
谷粒密度下降而使成像有所变化，是一种非破坏性
［］
检测方法。Ｋａｒｕｎａｋａｒａｎ２等根据软Ｘ射线成像，
准确识别出受米象幼虫、成虫和蛹感染的小麦粒，准确率达９７％以上。软Ｘ射线检测法能够快速地检测谷物的许多内在缺陷，但该技术很难将幼虫及象甲科害虫卵与粮粒密度较大部分区分开，对低能量Ｘ射线的屏蔽等问题有待解决提高。
电导检测法又称电阻法，物质含水率的增加会使电阻值减小，通过测定物体水分变化所致的直流
［］电阻值的变化就可得到物体含水率。Ｐｅａｒｓｏｎ３等
湿度、品质、数量和粮堆中气体、霉菌、害虫的图像的粮食专用传感器，利用专用传感器等技术，逐步实现对粮食库存信息的智能化监控为优先发展的技术领域。因此，研究储粮害虫的检测技术和分类
传统的储粮害虫检测方法有取样法和诱集法，这两种方法受人为因素和环境影响较大，效率低，在实际应用上受到限制。本文研究了近年来国内外储粮害虫检测新技术，如：基于图像识别法的外部粮虫检测新技术和基于软Ｘ线成像检测、电导检测、微波雷达检测、近红外检测、声音检测等方法的内部粮虫检测新技术，分析了各种检测方法的优缺点，重点研究了图像检测识别方法并给出了今后
通过测定小麦粒电导率检测到隐蔽性害虫侵染，大幼虫侵染小麦粒识别率为８８％，虫蛹侵染小麦粒识别率为８７％。电导法花费少，误识率为零。但电阻法需单颗检测，导致检测效率不理想，某些含水量低的粮粒感染卵和幼虫可能检测不出，且内部有死虫粮粒也无法检测出，样品输入也是个难题。
［］
微波雷达检测是Ｒ．Ｗ．Ｍａｎｋｉｎ４提出的基于
多普勒效应的储粮害虫检测法。微波遇到移动物体的反射后会产生多普勒效应，当害虫向接收器方向移动时雷达的反射频率会略高于发射频率，反之反射频率会低于发射频率，即经反射后的微波与发射波信号的频率会产生微小的偏移，粮虫的运动可通
１１２０信箱＊通讯地址：郑州市高新技术开发区莲花街河南工业大学１
过发射和反射雷达频率来区分。微波雷达检测法可以大规模取样，但只能检测运动害虫，当害虫活动的声音信号相对于背景噪声弱时，需做屏蔽背景噪声处理，有一定的难度。
近红外检测法是根据谷物内部化学成分和物理结构的改变所致虫蛀粒与正常粒的图像之间有较大区别。Ｄｏｗｗｅｌｌ等指出近红外检测法可以用于检测寄生在小麦中的几种象甲科害虫，并可以用于检测小麦外部和内部害虫的侵染。Ｋｉｍ
［６］
［５］
此基础上将图像分割成各具特性的区域并提取出感兴趣的目标。图像预处理由最初的ＨａｂｉｂＧａｓｓｏｕ－ ｍｉ对图像的增强、Ｄｒ．Ｊｅｆｆｒｅｙ对图像的分割、黄凌宵对图像的去噪这些基本的图像处理到复杂的数学
［０］
等针对储粮害虫图像的应用：２００９年，谭佐军１
的一些无量纲的特征丧失旋转不变性，利用Ｚｅｒｎｉ－ｋｅ矩计算无明显直线的储粮害虫图像的倾斜角度，利用无量纲的特征形成适于分类的最优知识库；
［１］
等针对储粮害虫图像复原中点扩０１０年，周龙１２
等指出近红
外检测法既可用于定性分析又可用于定量分析。近红外检测法能直接进行检测，节省大量时间，但检测虫害程度较轻的谷物时效果不佳，对于不同成虫或幼虫反差较小的情形种类鉴别达不到满意的效果，对谷物样本的湿度较为敏感，这些是有待解决的问题。
声音检测法是通过获取害虫在活动、进食和通讯时发出的声音来识别害虫种类和监测害虫数量的方法。Ｍａｎｋｉｎ等发现声信号在时频特征上能够反映害虫种群特征，之后耿森林
［８］
［７］
展函数矩阵的逆矩阵不存在的情况，提出用奇异值分解和Ｍｏｏｒ－Ｐｅｎｒｏｓｅ广义逆来复原由运动造成的图像模糊。
特征提取和特征优化在图像识别中非常重要，特征的表征性能直接决定了识别分类的效率和精度。特征的提取经历了：沈佐锐等对数学形态特征的提取、邱道尹等对颜色和纹理特征的提取、张红梅等对数理统计特征的提取，之后在２００７年，
［２］
等提出基于ＧＺｈａｏ１ａｂｏｒ的纹理特征提取方法，［３］
等提出与角度无关的Ｇ２０１０年黄世国１ａｂｏｒ－
等证明了害虫声
频域特征比时域特征对识别害虫种类更可靠；
［］
ｌｅｕｒａｔ９等提出基于储粮害虫活动声谱的分类方Ｆ
ＳＶＭ方法用于害虫识别，通过与传统的Ｇａｂｏｒ纹理和灰度共生矩阵纹理的比较，证明ＡＩＧａｂｏｒ识别算法可以克服纹理特征易受图像分辨率、光照等
［４］
等针对储粮因素影响的不足。２０１２年，张红涛１
法，可以检测害虫并识别其生长阶段。实际粮仓存在储粮害虫声信号较弱与环境噪音之间的矛盾，从检测粮虫可听声转移到检测超声、在害虫种类繁多时如何有效地提取害虫的声音特征、突破原有声模型建立声发射模型是声音检测方法的发展趋势。
害虫种类多、类别之间相似度比较高的特点，提出基于核Ｆｉｓｈｅｒ判别分析的粮虫特征压缩方法，利用高斯径向基核函数，对特征选择后的十维原始数
２ 外部粮虫检测新技术
２０世纪９０年代初，邱道尹带领的图像识别课题组提出了基于图像识别的害虫在线检测，利用害虫的颜色、形态学等特征，运用机器视觉、数字图像处理和模拟识别等技术结合来实现储粮害虫的在线检测，由于可操作性强且易于实现，得到了很大的发展。图像识别检测一般包括几个阶段：图像预处理、图像特征分割、特征提取和自动分类器设计。
图像预处理可以改善图像数据，弱化不需要的变形，突出后续处理工作中涉及到的图像特征，在
字特征进行核Ｆｉｓｈｅｒ判别分析，在有效降低特征维数的同时，提高了类别之间的可分性。在实际问题中，特征提取可能受到背景、光照、视角、大小等噪声干扰，如何提取具有良好表征性能且受噪声干扰较小的特征参数，是应用研究的重要问题。目前特征提取呈现出多种特征的融合、多种提取方法的结合、与图像分割方法相适应的趋势。
分类器设计主要体现在算法的设计和分类模型的构建。２００３年，ＡＳＡＢＥ国际会议上，中国农业大学李志刚等发表了一篇关于“基于机器视觉的棉花害虫自动识别典型系统”研究报道，提出了害虫
动态识别和实时精确实施的方案，之后对害虫分类
１５］
等运用人工智能识别的研究不断加深，王克如［
化的方向发展，例如，害虫检测技术不再仅仅局限于图像和声音等单个技术的发展，而是趋于多种技术的相互融合，相互交叉；在科技发展方面，更多的新兴技术正投入到害虫的防治中：像素更高的摄像头、识别率更好的分类器以及最新开发出的传感器等设备，都为害虫的检测带来了新的研究方向。
参 考 文 献
１ 粮食科技十二五发展规划
，２ ＫａｒｕｎａｋａｒａｎＣ，ＪａａｓＤＳ，ＷｈｉｔｅＮ．Ｇ．Ｓｏｆｔｘ－ｒａ ｙｙ
ｉｎｓｅｃｔｉｏｎｏｆｗｈｅａｔｋｅｒｎｅｌｓｉｎｆｅｓｔｅｄｂＳｉｔｏｈｉｌｕｓｏｒｚａｅ ｐｙｐｙ ：７［］３９～Ｊ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡＥＳＥ，２００３，４６（３） ７４５
３ ＰｅａｒｓｏｎＴＣ，ＢｒａｂｅｃＤＬ，ＳｃｈｗａｒｔｚＣＲ．Ａｕｔｏｍａｔｅｄ
ｄｅｔｅｃｔｉｏｎｏｆｉｎｔｅｒｎａｌｉｎｓｅｃｔｉｎｆｅｓｔａｔｉｏｎｓｉｎｗｈｏｌｅｗｈｅａｔ ］ｋｅｒｎｅｌｓｕｓｉｎａＰｅｒｔｅｎＳＫＣＳ４１００［Ｊ．ＡｌｉｅｄＥｎｉ －ｇｐｐｇ ，）：７ｉｎＡｒｉｃｕｌｔｕｒｅ２００３，１（９６ｅｅｒｉｎ２７～７３３ｎ ｇｇ ４ ＭａｎｋｉｎＲ Ｗ．Ｍｉｃｒｏｗａｖｅｒａｄａｒｄｅｔｅｃｔｉｏｎｏｆｓｔｏｒｅｄ－
，］ｒｏｄｕｃｔｉｎｓｅｃｔｓ［Ｊ．ＪｏｕｒｎａｌｏｆＥｎｔｏｍｏｌｏ２００４，９７ ｐｇｙ（）：１３１６８～１１７３．
５ Ｄｏｗｅｌｌ．Ｆ．Ｅ．Ｉｄｅｎｔｉｆｉｎ．Ｓｔｏｒｅｄ－ｇｒａｉｎｉｎｓｅｔｓｕｓｉｎ ｙｇｇ
，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＥｎｔｏｎｅａｒ－ｉｎｆｒａｒｅｄｓｅｃｔｒｏｓｃｏ－ ｐｐｙ，１９９９，９２，１６５～１６９ｏｌｏｍｇｙ
６ Ｋｉｍ．Ｓ．ＳＡｕｔｈｅｎｔｉｃａｔｉｏｎｏｆｒｉｃｅｕｓｉｎｎｅａｒ－ｉｎｆｒａｒｅｄ ｇ
，２００３，８０ｒｅｆｌｅｃｔａｎｃｅｓｅｃｔｒｏｓｃｏ．ＣｅｒｅａｌＣｈｅｍｉｓｔｒ ｐｐｙｙ（），３４６～３４９３
７ ＭａｎｋｉｎＲ．Ｗ．ＩｎｃｒｅａｓｅｉｎａｃｏｕｓｔｉｃｄｅｔｅｃｔａｂｉｌｉｔｏｆＰｌｏ －ｙ
：Ｐｉａｉｎｔｅｒｕｎｃｔｅｌｌａ（Ｌｅｉｄｏｔｅｒａｒａｌｉｄａｅ）ｌａｒｖａｅｎｄ ｉｐｐｐｙｓｔｏｒｅｄｒｏｄｕｃｔｓａｆｔｅｒｅｌｅｃｔｒｉｃａｌｓｔｉｍｕｌａｔｉｏｎ．ＦｌａＥｎｔｏ －ｐ，ｏｌ２００２．８５：５２４～５２６ｍ
８ 耿森林，尚志远．基于害虫声频域特征储粮害虫种类
］：鉴别［Ｊ．农业系统科学与综合研究，２００５，１１（５）２４１～１４３
９ Ｆｌｅｕｒａｔ－ＬｅｓｓａｒｄＦ，ＴｏｍａｓｉｎｉＢ，ＫｏｓｔｉｎｅＬ，ｅｔａｌ．Ａ－
和网络技术实现作物病虫草害的远程图像识别与诊
１６］
等采用Ｂ断，张红梅［Ｐ神经网络对粮虫进行分１７］
等利用模糊聚类分析实现了对类和识别，卢军［
储粮害虫的动态模糊聚类分析。２０１１年，韩安
１８］
等人将压缩感知应用于害虫的分类中，利用太［
害虫训练样本构造训练样本矩阵，通过求解范数意义下的最优化问题实现害虫测试样本的稀疏分解，利用该方法对粮虫分类，识别率可达９８％，为粮虫识别分类带来了新思路。
图像识别检测对多头害虫识别、隐匿于粮粒中的幼虫以及图像处理的实时性问题有待继续研究，特别是在特征提取方面、识别速度等方面，是我们今后努力的方向。
表１ 各种储粮害虫检测新技术优缺点及发展趋势储粮害虫检测新技术
优 点
缺 点
待解决问题和发展趋势
软Ｘ射线非破坏性，可检测内设备价格较高，速度低能量Ｘ射线的屏蔽成像检测部活虫和死虫较慢问题电导检测花费少，零误识率
检测效率不理想，检
测不出内部有死虫的单粒样品输入问题粮粒
只能检测运动害虫
害虫活动的声信号相对于背景噪声弱时，解决屏蔽背景噪声处理问题
内部粮虫检测新技术
微波雷达检测近红外检测
可大规模取样
检测虫害程度较轻的
对于不同成虫或幼虫反可直接进行检测，时
谷物时效果不佳，对
差较小时的检测间短
样本湿度敏感
可检测钻蛀和非钻蛀
实际粮仓存在储粮害检测粮虫可听声转移到
害虫，确定虫害程
虫声信号较弱与环境检测超声，突破原有声声音检测
度，轻便、简单、快
噪音之间的矛盾模型建立发射声模型
速、灵敏度高外部粮
图像识虫检测
别检测新技术
可操作性强，易于实
无法检测内部粮虫
现
多头害虫识别，隐匿于粮粒中的幼虫以及图像处理的实时性问题
３ 结论及展望
如表１，上述方法在特定场合对于储粮害虫的检测具有一定效果，每种方法都有不完善的方面，难以满足目前粮库中害虫检测的需要，主要原因是不能准确地在线检测、设备造价高、难以实际应用等问题。当前的储粮害虫检测正朝着多元化及现代
ｏｕｓｔｉｃｄｅｔｅｃｔｉｏｎａｎｄａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｉｎｓｅｃｔｃ ｓｔａｅｓａｃｔｉｖｉｔｉｎｒａｉｎｂｕｌｋｓｂｎｏｉｓｅｓｅｃｔｒａｒｏｃｅｓｓｉｎ ｇｙｇｙｐｐｇ ｔｈｒｏｕｈｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｏｒｉｔｈｍｓ［Ｃ］．９ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ ｇｇ，ＷｏｒｋｉｎＣｏｎｆｅｒｅｎｃｅｏｎＳｔｏｒｅｄｒｏｄｕｃｔＰｒｏｔｅｃｔｉｏｎ Ｐ ｇ ：２Ｃａｍｉｎａｓ００６ｐ
１０ 谭佐军，李俊，谢静等．利用Ｚｅｒｎｉｋｅ矩计算储粮害虫
］：图像倾斜角度［Ｊ．农业工程学报，２００９，２５（１０）
８２～１８５１
粮虫特征压缩方法［Ｊ］．江苏大学学报，２０１２，３３：１（）６～２０１
１５ 王克如．基于图像识别的作物病虫草害诊断研究，北
京，中国农业科学院，２００５
１６ 张红梅，范艳峰等．基于数字图像处理技术的储粮害
，虫分类识别研究．河南工业大学学报，００５，２６（１）２１９～２２
１７ 卢军，谭佐军，陈建军．粮仓害虫的动态模糊聚类分
），１析．中国粮油学报，２００９，２４（９１６～１１８１８ 韩安太，郭小华．基于压缩感知理论的农业害虫分类
］）：２方法［Ｊ．农业工程学报，２０１１，２７（６０３～２０７
）（收稿日期：２０１３ ０９ ０９
１１ 周龙，牟怿，方明．奇异值分解在储粮害虫图像复原
］：中的应用［Ｊ．华中科技大学学报，２０１０，３８（１）５～８７８
，Ｃ１２ ＺｈａｏＪｈｅｎＸＰ．Ｆｉｅｌｄｅｓｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｂａｎｉｍ－ ｐｙ
ｏｖｅｄａｂｏｒｔｅｘｔｕｒｅｓｅｍｅｎｔａｔｉｏｎｓｃｈｅｍｅ［Ｊ］．Ｎｅｗｒ ｇｇｐ
，２ＺｅａｌａｎｄＪｏｕｒｎａｌｏｆＡｒｉｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈ００７，５０： ｇ７１９～７２３
ａｂｏｒ－１３ 黄世国，周明全，耿国华．一种角度无关的Ｇ
：ＳＶＭ昆虫识别．小型微型计算机系统，２０１０，３１（１）１４３～１４６
ｉｓｈｅｒ判别分析的１４ 张红涛，毛罕平，韩绿化．基于核Ｆ
ＲＥＳＥＡＲＣＨＯＮＳＴＯＲＥＤＧＲＡＩＮＰＥＳＴＤＥＴＥＣＴＩＯＮＡＮＤＲＥＣＯＧＮＩＴＩＯＮＴＥＣＨＮＯＬＯＧＹ
１１２
ＬｕＪｉｎｕＨｏｎｌｉａｎ ｇ Ｆｇｇ
，
，（）１ ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＥｎｉｎｅｅｒｉｎＨｅｎａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏ５０００１ ４ｇｇｙｇｙ
（ｒｏｃｅｓｓｉｎａｎｄｃｏｎｔｒｏｌｏｆｔｈｅＭＯＥ，２ ＫｅＬａｂｏｒａｔｏｒｏｆＧｒａｉｎｉｎｆｏｒｍａｔｉｏｎ ｐｇｙｙ
）ＨｅｎａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏ５０００１ ４ｙｇｙ
ｒａｃｔｉｃａｌｖａｌｕｅｉｎＩＰＭ，ｉｓａｒｅｓｅａｒｃｈｈｏｔｓｏｔｉｎｒｅｃｅｎｔｒｅａｔｒａｉｎｅｓｔｄｅｔｅｃｔｉｏｎｔｅｃｈｎｉｕｅｓｈａｖｅＳｔｏｒｅｄ ｐｐｇｇｐｑｅｓｔｄｅｔｅｃｔｉｏｎｉｎｈｏｍｅａｎｄａｂｏｒａｄｓｕｃｈａｓｔｈｅｒａｉｎａｅｒａｎａｌｓｉｓｎｅｗｔｅｃｈｎｏｌｏｉｅｓｏｆｓｔｏｒｅｄｅａｒｓ．Ｔｈｉｓ ｐｇｐｐｙｇｙ
，ｒａｉｎｉｎｒａｉｎｉｎｓｅｃｔｓｄｅｔｅｃｔｉｏｎｎｅｗｔｅｃｈｎｏｌｏｂａｓｅｄｏｎｔｈｅｉｍａｅｒｅｃｏｎｉｔｉｏｎｍｅｔｈｏｄｉｎｔｅｒｎａｌｅｘｔｅｒｎａｌ－ ｇｇｇｙｇｇ ，，ｍｓｅｃｔｓｄｅｔｅｃｔｉｏｎｎｅｗｔｅｃｈｎｏｌｏｉｅｓｂａｓｅｄｏｎｔｈｅｓｏｆｔＸ－ｒａｉｍａｉｎｄｅｔｅｃｔｉｏｎｃｏｎｄｕｃｔｉｖｉｔｄｅｔｅｃｔｉｏｎｉ－ ｇｙｇｇｙ ，，ｃｒｏｗａｖｅｒａｄａｒｄｅｔｅｃｔｉｏｎｎｅａｒ－ｉｎｆｒａｒｅｄｄｅｔｅｃｔｉｏｎｓｏｕｎｄｄｅｔｅｃｔｉｏｎ．Ｔｈｅａｅｒｆｏｃｕｓｏｎｉｍａｅｄｅｔｅｃｔｉｏｎ ｐｐｇ，ａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄａｎａｌｓｉｓｔｈｅａｄｖａｎｔａｅｓａｎｄｄｉｓａｄｖａｎｔａｅｓｏｆｔｈｅｖａｒｉｏｕｓｍｅｔｈｏｄｓａｎｄｔｒｅｎｄｓ． ｙｇｇ：，ＫｅｗｏｒｄｓＳｔｏｒｅｄｒａｉｎｅｓｔｄｅｔｅｃｔｉｏｎｉｍａｅｒｅｃｏｎｉｔｉｏｎａｎｄｄｅｔｅｃｔｉｏｎ，ｓｏｕｎｄｄｅｔｅｃｔｉｏｎ ｙｇｐｇｇ
檱檱殗
檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱殗
檱檱殗
储粮有害生物及防治技术
１ 内部粮虫检测新技术
软Ｘ射线检测法根据谷粒受到害虫侵染后，
檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱檱殗识别方法具有重要的实际应用价值。发展趋势。
储粮害虫检测和分类识别技术的研究
２
路 静１ 傅洪亮１，
＊
）（５０００１１ 河南工业大学信息科学与工程学院 ４
（）２ 河南工业大学粮食信息处理与控制教育部重点实验室 ４５０００１
摘 要 储粮害虫是粮食损失的一个重要因素，储粮害虫的实时监测是进行综合防治的一种有效手段，也是近年来的研究热点。研究了近年来国内外储粮害虫检测新技术，如：基于图像识别法的外部粮虫检测新技术和基于软Ｘ射线成像检测、电导检测、微波雷达检测、近红外检测、声音检测等方法的内部粮虫检测新技术，分析了各种检测方法的优缺点，重点研究了图像检测识别方法并给出了今后发展趋势。
关键词 储粮害虫检测 图像识别检测 声音检测
粮食对于经济发展和社会稳定具有十分重要的意义，储藏不当会给国家造成巨大的损失，其中储粮害虫的危害是粮食损失的一个重要原因。害虫的实时检测是进行综合防治的一种手段，只有准确的粮食科检测和正确的识别，才能有目的的防治。《
［１］
指出：研发感知粮食温度、技十二五发展规划》
谷粒密度下降而使成像有所变化，是一种非破坏性
［］
检测方法。Ｋａｒｕｎａｋａｒａｎ２等根据软Ｘ射线成像，
准确识别出受米象幼虫、成虫和蛹感染的小麦粒，准确率达９７％以上。软Ｘ射线检测法能够快速地检测谷物的许多内在缺陷，但该技术很难将幼虫及象甲科害虫卵与粮粒密度较大部分区分开，对低能量Ｘ射线的屏蔽等问题有待解决提高。
电导检测法又称电阻法，物质含水率的增加会使电阻值减小，通过测定物体水分变化所致的直流
［］电阻值的变化就可得到物体含水率。Ｐｅａｒｓｏｎ３等
湿度、品质、数量和粮堆中气体、霉菌、害虫的图像的粮食专用传感器，利用专用传感器等技术，逐步实现对粮食库存信息的智能化监控为优先发展的技术领域。因此，研究储粮害虫的检测技术和分类
传统的储粮害虫检测方法有取样法和诱集法，这两种方法受人为因素和环境影响较大，效率低，在实际应用上受到限制。本文研究了近年来国内外储粮害虫检测新技术，如：基于图像识别法的外部粮虫检测新技术和基于软Ｘ线成像检测、电导检测、微波雷达检测、近红外检测、声音检测等方法的内部粮虫检测新技术，分析了各种检测方法的优缺点，重点研究了图像检测识别方法并给出了今后
通过测定小麦粒电导率检测到隐蔽性害虫侵染，大幼虫侵染小麦粒识别率为８８％，虫蛹侵染小麦粒识别率为８７％。电导法花费少，误识率为零。但电阻法需单颗检测，导致检测效率不理想，某些含水量低的粮粒感染卵和幼虫可能检测不出，且内部有死虫粮粒也无法检测出，样品输入也是个难题。
［］
微波雷达检测是Ｒ．Ｗ．Ｍａｎｋｉｎ４提出的基于
多普勒效应的储粮害虫检测法。微波遇到移动物体的反射后会产生多普勒效应，当害虫向接收器方向移动时雷达的反射频率会略高于发射频率，反之反射频率会低于发射频率，即经反射后的微波与发射波信号的频率会产生微小的偏移，粮虫的运动可通
１１２０信箱＊通讯地址：郑州市高新技术开发区莲花街河南工业大学１
过发射和反射雷达频率来区分。微波雷达检测法可以大规模取样，但只能检测运动害虫，当害虫活动的声音信号相对于背景噪声弱时，需做屏蔽背景噪声处理，有一定的难度。
近红外检测法是根据谷物内部化学成分和物理结构的改变所致虫蛀粒与正常粒的图像之间有较大区别。Ｄｏｗｗｅｌｌ等指出近红外检测法可以用于检测寄生在小麦中的几种象甲科害虫，并可以用于检测小麦外部和内部害虫的侵染。Ｋｉｍ
［６］
［５］
此基础上将图像分割成各具特性的区域并提取出感兴趣的目标。图像预处理由最初的ＨａｂｉｂＧａｓｓｏｕ－ ｍｉ对图像的增强、Ｄｒ．Ｊｅｆｆｒｅｙ对图像的分割、黄凌宵对图像的去噪这些基本的图像处理到复杂的数学
［０］
等针对储粮害虫图像的应用：２００９年，谭佐军１
的一些无量纲的特征丧失旋转不变性，利用Ｚｅｒｎｉ－ｋｅ矩计算无明显直线的储粮害虫图像的倾斜角度，利用无量纲的特征形成适于分类的最优知识库；
［１］
等针对储粮害虫图像复原中点扩０１０年，周龙１２
等指出近红
外检测法既可用于定性分析又可用于定量分析。近红外检测法能直接进行检测，节省大量时间，但检测虫害程度较轻的谷物时效果不佳，对于不同成虫或幼虫反差较小的情形种类鉴别达不到满意的效果，对谷物样本的湿度较为敏感，这些是有待解决的问题。
声音检测法是通过获取害虫在活动、进食和通讯时发出的声音来识别害虫种类和监测害虫数量的方法。Ｍａｎｋｉｎ等发现声信号在时频特征上能够反映害虫种群特征，之后耿森林
［８］
［７］
展函数矩阵的逆矩阵不存在的情况，提出用奇异值分解和Ｍｏｏｒ－Ｐｅｎｒｏｓｅ广义逆来复原由运动造成的图像模糊。
特征提取和特征优化在图像识别中非常重要，特征的表征性能直接决定了识别分类的效率和精度。特征的提取经历了：沈佐锐等对数学形态特征的提取、邱道尹等对颜色和纹理特征的提取、张红梅等对数理统计特征的提取，之后在２００７年，
［２］
等提出基于ＧＺｈａｏ１ａｂｏｒ的纹理特征提取方法，［３］
等提出与角度无关的Ｇ２０１０年黄世国１ａｂｏｒ－
等证明了害虫声
频域特征比时域特征对识别害虫种类更可靠；
［］
ｌｅｕｒａｔ９等提出基于储粮害虫活动声谱的分类方Ｆ
ＳＶＭ方法用于害虫识别，通过与传统的Ｇａｂｏｒ纹理和灰度共生矩阵纹理的比较，证明ＡＩＧａｂｏｒ识别算法可以克服纹理特征易受图像分辨率、光照等
［４］
等针对储粮因素影响的不足。２０１２年，张红涛１
法，可以检测害虫并识别其生长阶段。实际粮仓存在储粮害虫声信号较弱与环境噪音之间的矛盾，从检测粮虫可听声转移到检测超声、在害虫种类繁多时如何有效地提取害虫的声音特征、突破原有声模型建立声发射模型是声音检测方法的发展趋势。
害虫种类多、类别之间相似度比较高的特点，提出基于核Ｆｉｓｈｅｒ判别分析的粮虫特征压缩方法，利用高斯径向基核函数，对特征选择后的十维原始数
２ 外部粮虫检测新技术
２０世纪９０年代初，邱道尹带领的图像识别课题组提出了基于图像识别的害虫在线检测，利用害虫的颜色、形态学等特征，运用机器视觉、数字图像处理和模拟识别等技术结合来实现储粮害虫的在线检测，由于可操作性强且易于实现，得到了很大的发展。图像识别检测一般包括几个阶段：图像预处理、图像特征分割、特征提取和自动分类器设计。
图像预处理可以改善图像数据，弱化不需要的变形，突出后续处理工作中涉及到的图像特征，在
字特征进行核Ｆｉｓｈｅｒ判别分析，在有效降低特征维数的同时，提高了类别之间的可分性。在实际问题中，特征提取可能受到背景、光照、视角、大小等噪声干扰，如何提取具有良好表征性能且受噪声干扰较小的特征参数，是应用研究的重要问题。目前特征提取呈现出多种特征的融合、多种提取方法的结合、与图像分割方法相适应的趋势。
分类器设计主要体现在算法的设计和分类模型的构建。２００３年，ＡＳＡＢＥ国际会议上，中国农业大学李志刚等发表了一篇关于“基于机器视觉的棉花害虫自动识别典型系统”研究报道，提出了害虫
动态识别和实时精确实施的方案，之后对害虫分类
１５］
等运用人工智能识别的研究不断加深，王克如［
化的方向发展，例如，害虫检测技术不再仅仅局限于图像和声音等单个技术的发展，而是趋于多种技术的相互融合，相互交叉；在科技发展方面，更多的新兴技术正投入到害虫的防治中：像素更高的摄像头、识别率更好的分类器以及最新开发出的传感器等设备，都为害虫的检测带来了新的研究方向。
参 考 文 献
１ 粮食科技十二五发展规划
，２ ＫａｒｕｎａｋａｒａｎＣ，ＪａａｓＤＳ，ＷｈｉｔｅＮ．Ｇ．Ｓｏｆｔｘ－ｒａ ｙｙ
ｉｎｓｅｃｔｉｏｎｏｆｗｈｅａｔｋｅｒｎｅｌｓｉｎｆｅｓｔｅｄｂＳｉｔｏｈｉｌｕｓｏｒｚａｅ ｐｙｐｙ ：７［］３９～Ｊ．ＴｒａｎｓａｃｔｉｏｎｓｏｆｔｈｅＡＥＳＥ，２００３，４６（３） ７４５
３ ＰｅａｒｓｏｎＴＣ，ＢｒａｂｅｃＤＬ，ＳｃｈｗａｒｔｚＣＲ．Ａｕｔｏｍａｔｅｄ
ｄｅｔｅｃｔｉｏｎｏｆｉｎｔｅｒｎａｌｉｎｓｅｃｔｉｎｆｅｓｔａｔｉｏｎｓｉｎｗｈｏｌｅｗｈｅａｔ ］ｋｅｒｎｅｌｓｕｓｉｎａＰｅｒｔｅｎＳＫＣＳ４１００［Ｊ．ＡｌｉｅｄＥｎｉ －ｇｐｐｇ ，）：７ｉｎＡｒｉｃｕｌｔｕｒｅ２００３，１（９６ｅｅｒｉｎ２７～７３３ｎ ｇｇ ４ ＭａｎｋｉｎＲ Ｗ．Ｍｉｃｒｏｗａｖｅｒａｄａｒｄｅｔｅｃｔｉｏｎｏｆｓｔｏｒｅｄ－
，］ｒｏｄｕｃｔｉｎｓｅｃｔｓ［Ｊ．ＪｏｕｒｎａｌｏｆＥｎｔｏｍｏｌｏ２００４，９７ ｐｇｙ（）：１３１６８～１１７３．
５ Ｄｏｗｅｌｌ．Ｆ．Ｅ．Ｉｄｅｎｔｉｆｉｎ．Ｓｔｏｒｅｄ－ｇｒａｉｎｉｎｓｅｔｓｕｓｉｎ ｙｇｇ
，ＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃＥｎｔｏｎｅａｒ－ｉｎｆｒａｒｅｄｓｅｃｔｒｏｓｃｏ－ ｐｐｙ，１９９９，９２，１６５～１６９ｏｌｏｍｇｙ
６ Ｋｉｍ．Ｓ．ＳＡｕｔｈｅｎｔｉｃａｔｉｏｎｏｆｒｉｃｅｕｓｉｎｎｅａｒ－ｉｎｆｒａｒｅｄ ｇ
，２００３，８０ｒｅｆｌｅｃｔａｎｃｅｓｅｃｔｒｏｓｃｏ．ＣｅｒｅａｌＣｈｅｍｉｓｔｒ ｐｐｙｙ（），３４６～３４９３
７ ＭａｎｋｉｎＲ．Ｗ．ＩｎｃｒｅａｓｅｉｎａｃｏｕｓｔｉｃｄｅｔｅｃｔａｂｉｌｉｔｏｆＰｌｏ －ｙ
：Ｐｉａｉｎｔｅｒｕｎｃｔｅｌｌａ（Ｌｅｉｄｏｔｅｒａｒａｌｉｄａｅ）ｌａｒｖａｅｎｄ ｉｐｐｐｙｓｔｏｒｅｄｒｏｄｕｃｔｓａｆｔｅｒｅｌｅｃｔｒｉｃａｌｓｔｉｍｕｌａｔｉｏｎ．ＦｌａＥｎｔｏ －ｐ，ｏｌ２００２．８５：５２４～５２６ｍ
８ 耿森林，尚志远．基于害虫声频域特征储粮害虫种类
］：鉴别［Ｊ．农业系统科学与综合研究，２００５，１１（５）２４１～１４３
９ Ｆｌｅｕｒａｔ－ＬｅｓｓａｒｄＦ，ＴｏｍａｓｉｎｉＢ，ＫｏｓｔｉｎｅＬ，ｅｔａｌ．Ａ－
和网络技术实现作物病虫草害的远程图像识别与诊
１６］
等采用Ｂ断，张红梅［Ｐ神经网络对粮虫进行分１７］
等利用模糊聚类分析实现了对类和识别，卢军［
储粮害虫的动态模糊聚类分析。２０１１年，韩安
１８］
等人将压缩感知应用于害虫的分类中，利用太［
害虫训练样本构造训练样本矩阵，通过求解范数意义下的最优化问题实现害虫测试样本的稀疏分解，利用该方法对粮虫分类，识别率可达９８％，为粮虫识别分类带来了新思路。
图像识别检测对多头害虫识别、隐匿于粮粒中的幼虫以及图像处理的实时性问题有待继续研究，特别是在特征提取方面、识别速度等方面，是我们今后努力的方向。
表１ 各种储粮害虫检测新技术优缺点及发展趋势储粮害虫检测新技术
优 点
缺 点
待解决问题和发展趋势
软Ｘ射线非破坏性，可检测内设备价格较高，速度低能量Ｘ射线的屏蔽成像检测部活虫和死虫较慢问题电导检测花费少，零误识率
检测效率不理想，检
测不出内部有死虫的单粒样品输入问题粮粒
只能检测运动害虫
害虫活动的声信号相对于背景噪声弱时，解决屏蔽背景噪声处理问题
内部粮虫检测新技术
微波雷达检测近红外检测
可大规模取样
检测虫害程度较轻的
对于不同成虫或幼虫反可直接进行检测，时
谷物时效果不佳，对
差较小时的检测间短
样本湿度敏感
可检测钻蛀和非钻蛀
实际粮仓存在储粮害检测粮虫可听声转移到
害虫，确定虫害程
虫声信号较弱与环境检测超声，突破原有声声音检测
度，轻便、简单、快
噪音之间的矛盾模型建立发射声模型
速、灵敏度高外部粮
图像识虫检测
别检测新技术
可操作性强，易于实
无法检测内部粮虫
现
多头害虫识别，隐匿于粮粒中的幼虫以及图像处理的实时性问题
３ 结论及展望
如表１，上述方法在特定场合对于储粮害虫的检测具有一定效果，每种方法都有不完善的方面，难以满足目前粮库中害虫检测的需要，主要原因是不能准确地在线检测、设备造价高、难以实际应用等问题。当前的储粮害虫检测正朝着多元化及现代
ｏｕｓｔｉｃｄｅｔｅｃｔｉｏｎａｎｄａｕｔｏｍａｔｉｃｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｉｎｓｅｃｔｃ ｓｔａｅｓａｃｔｉｖｉｔｉｎｒａｉｎｂｕｌｋｓｂｎｏｉｓｅｓｅｃｔｒａｒｏｃｅｓｓｉｎ ｇｙｇｙｐｐｇ ｔｈｒｏｕｈｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｏｒｉｔｈｍｓ［Ｃ］．９ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ ｇｇ，ＷｏｒｋｉｎＣｏｎｆｅｒｅｎｃｅｏｎＳｔｏｒｅｄｒｏｄｕｃｔＰｒｏｔｅｃｔｉｏｎ Ｐ ｇ ：２Ｃａｍｉｎａｓ００６ｐ
１０ 谭佐军，李俊，谢静等．利用Ｚｅｒｎｉｋｅ矩计算储粮害虫
］：图像倾斜角度［Ｊ．农业工程学报，２００９，２５（１０）
８２～１８５１
粮虫特征压缩方法［Ｊ］．江苏大学学报，２０１２，３３：１（）６～２０１
１５ 王克如．基于图像识别的作物病虫草害诊断研究，北
京，中国农业科学院，２００５
１６ 张红梅，范艳峰等．基于数字图像处理技术的储粮害
，虫分类识别研究．河南工业大学学报，００５，２６（１）２１９～２２
１７ 卢军，谭佐军，陈建军．粮仓害虫的动态模糊聚类分
），１析．中国粮油学报，２００９，２４（９１６～１１８１８ 韩安太，郭小华．基于压缩感知理论的农业害虫分类
］）：２方法［Ｊ．农业工程学报，２０１１，２７（６０３～２０７
）（收稿日期：２０１３ ０９ ０９
１１ 周龙，牟怿，方明．奇异值分解在储粮害虫图像复原
］：中的应用［Ｊ．华中科技大学学报，２０１０，３８（１）５～８７８
，Ｃ１２ ＺｈａｏＪｈｅｎＸＰ．Ｆｉｅｌｄｅｓｔｉｄｅｎｔｉｆｉｃａｔｉｏｎｂａｎｉｍ－ ｐｙ
ｏｖｅｄａｂｏｒｔｅｘｔｕｒｅｓｅｍｅｎｔａｔｉｏｎｓｃｈｅｍｅ［Ｊ］．Ｎｅｗｒ ｇｇｐ
，２ＺｅａｌａｎｄＪｏｕｒｎａｌｏｆＡｒｉｃｕｌｔｕｒａｌＲｅｓｅａｒｃｈ００７，５０： ｇ７１９～７２３
ａｂｏｒ－１３ 黄世国，周明全，耿国华．一种角度无关的Ｇ
：ＳＶＭ昆虫识别．小型微型计算机系统，２０１０，３１（１）１４３～１４６
ｉｓｈｅｒ判别分析的１４ 张红涛，毛罕平，韩绿化．基于核Ｆ
ＲＥＳＥＡＲＣＨＯＮＳＴＯＲＥＤＧＲＡＩＮＰＥＳＴＤＥＴＥＣＴＩＯＮＡＮＤＲＥＣＯＧＮＩＴＩＯＮＴＥＣＨＮＯＬＯＧＹ
１１２
ＬｕＪｉｎｕＨｏｎｌｉａｎ ｇ Ｆｇｇ
，
，（）１ ＩｎｓｔｉｔｕｔｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅ＆ＥｎｉｎｅｅｒｉｎＨｅｎａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏ５０００１ ４ｇｇｙｇｙ
（ｒｏｃｅｓｓｉｎａｎｄｃｏｎｔｒｏｌｏｆｔｈｅＭＯＥ，２ ＫｅＬａｂｏｒａｔｏｒｏｆＧｒａｉｎｉｎｆｏｒｍａｔｉｏｎ ｐｇｙｙ
）ＨｅｎａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏ５０００１ ４ｙｇｙ
ｒａｃｔｉｃａｌｖａｌｕｅｉｎＩＰＭ，ｉｓａｒｅｓｅａｒｃｈｈｏｔｓｏｔｉｎｒｅｃｅｎｔｒｅａｔｒａｉｎｅｓｔｄｅｔｅｃｔｉｏｎｔｅｃｈｎｉｕｅｓｈａｖｅＳｔｏｒｅｄ ｐｐｇｇｐｑｅｓｔｄｅｔｅｃｔｉｏｎｉｎｈｏｍｅａｎｄａｂｏｒａｄｓｕｃｈａｓｔｈｅｒａｉｎａｅｒａｎａｌｓｉｓｎｅｗｔｅｃｈｎｏｌｏｉｅｓｏｆｓｔｏｒｅｄｅａｒｓ．Ｔｈｉｓ ｐｇｐｐｙｇｙ
，ｒａｉｎｉｎｒａｉｎｉｎｓｅｃｔｓｄｅｔｅｃｔｉｏｎｎｅｗｔｅｃｈｎｏｌｏｂａｓｅｄｏｎｔｈｅｉｍａｅｒｅｃｏｎｉｔｉｏｎｍｅｔｈｏｄｉｎｔｅｒｎａｌｅｘｔｅｒｎａｌ－ ｇｇｇｙｇｇ ，，ｍｓｅｃｔｓｄｅｔｅｃｔｉｏｎｎｅｗｔｅｃｈｎｏｌｏｉｅｓｂａｓｅｄｏｎｔｈｅｓｏｆｔＸ－ｒａｉｍａｉｎｄｅｔｅｃｔｉｏｎｃｏｎｄｕｃｔｉｖｉｔｄｅｔｅｃｔｉｏｎｉ－ ｇｙｇｇｙ ，，ｃｒｏｗａｖｅｒａｄａｒｄｅｔｅｃｔｉｏｎｎｅａｒ－ｉｎｆｒａｒｅｄｄｅｔｅｃｔｉｏｎｓｏｕｎｄｄｅｔｅｃｔｉｏｎ．Ｔｈｅａｅｒｆｏｃｕｓｏｎｉｍａｅｄｅｔｅｃｔｉｏｎ ｐｐｇ，ａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎａｎｄａｎａｌｓｉｓｔｈｅａｄｖａｎｔａｅｓａｎｄｄｉｓａｄｖａｎｔａｅｓｏｆｔｈｅｖａｒｉｏｕｓｍｅｔｈｏｄｓａｎｄｔｒｅｎｄｓ． ｙｇｇ：，ＫｅｗｏｒｄｓＳｔｏｒｅｄｒａｉｎｅｓｔｄｅｔｅｃｔｉｏｎｉｍａｅｒｅｃｏｎｉｔｉｏｎａｎｄｄｅｔｅｃｔｉｏｎ，ｓｏｕｎｄｄｅｔｅｃｔｉｏｎ ｙｇｐｇｇ