粮食储藏虫害检测技术浅析

陈忠杰，温 莉，郭 其

（陕西省粮油科学研究院，西安 710082）

粮食安全是实现国民经济又好又快发展的基础，是促进社会稳定和谐的重要保障。我国是粮食生产大国，也是粮食消费大国。从经济角度来看，拥有14亿人口的中国，如果过分依赖从国际上进口粮食，会造成国际粮源紧张，拉动国际粮食价格上涨。我国人口众多、粮食生产受自然风险和市场风险影响较大。因此，我国不仅要保证一定面积的耕地，还必须保证足够的粮食储藏量，这对保障我国粮食市场正常流通、必要时发挥粮食宏观调控作用具有重大意义。随着我国工业化和城市化的快速推进，城市人口增加，人民生活消费水平提高，未来保障我国粮食安全的压力还将继续存在。

1 研究意义

粮食储藏的主要目的是运用一些必要措施降低粮食不应有的损害，尽可能地保证粮食的原有品质，节省储藏费用。联合国粮农组织规定的生产、管理、储存、运输、加工及消费等环节的损失标准为5%。据资料显示，我国粮食总损失率为18.1%，我国的国库储粮损失率为0.2%左右。其中，储粮害虫造成的损失约占储粮损失总量的一半。储粮害虫的代谢活动会使储粮水分增加、粮温升高，严重时会造成储粮霉烂变质。储粮害虫的排泄物和本体会污染储粮，导致粮食质量下降。我国在储粮过程中广泛使用磷化铝熏蒸杀虫，这不仅增加了开支，而且造成了环境的污染。

Integrated Pests Management简称IPM （虫害综合防治）由联合国粮农组织1972年提出，是一种基于生态学基础的综合防治策略，通过准确检测达到科学防治目的。害虫的实时检测可以及时评估害虫造成的经济损害水平和采取适当的防治措施，避免盲目防治造成浪费。2013年中央明确提出实施“以我为主、立足国内、确保产能、适度进口、科技支撑”的国家粮食安全战略，通过加强应用基础研究和软科学研究改变粮食行业粗放的发展方式。借助大数据、云计算、人工智能、信息技术等新技术和新思路，尽快设计出更多更好、保护粮食免遭虫害的防治方法具有一定现实意义。

2 国内外储粮虫害检测方法的研究现状

储粮虫害检测技术的一个重点任务是研制害虫感知传感器，实现粮堆害虫的自动化检测、智能分析和自动控制，以完善安全储粮综合治理专家决策支持系统。储粮虫害的在线检测的目标是提供准确的害虫种类、害虫密度等信息，为虫害综合防治提供科学的决策依据。

为此国内外专家学者提出了很多储粮虫害检测方法，传统方法有：扦样法和诱集法；较新的检测法有：图像检测法、声测法、近红外法、软射线法、电导法及微波雷达法等。储粮虫害检测方法各有特点，具体对比如表1。

表1 储粮虫害检测方法对比

3 国内外储粮虫害图像识别检测的研究现状

基于图像检测的粮食储粮虫害检测法具有检测准确、工作效率高、人工劳动强度小、造价低廉，与粮库现有信息管理系统连接方便，因此备受推崇。Zayas和Flinn[1]利用多光谱分析和模式识别技术结合的方法来检测散装小麦仓中的谷蠹成虫，验证了模式识别技术在线检测储粮害虫的可行性，并将残缺粮粒、草籽、害虫的姿态等因素列为影响检测结果的主要因素。Ridgway、Davies和Chambers[2-3]在检测方案设计方面做了大量的工作，三人基于英国商业部的检测标准开发出自动检测系统用于小麦收获过程中成虫、鼠粪和麦角的机器视觉检测，该系统用于检测三种污染物类型的集成算法的扫描速度接近于1000 g/min。系统的局限性是需人工参与粮虫采集制备样品。Keagy和Schatzki[4－5]将小麦籽粒与玉米象等成虫接触3 d后进行培养和X光照射，然后，每隔3～4 d拍摄一次接触片。研究者把感染和未感染谷物的X射线图像作为原始胶片，研究4种分辨率下不同虫龄阶段侵染情况。他们提出了一种图像处理算法，将8位灰度图像转换为内部边缘和线的二值图像，使机器识别率超过了50%，第四龄害虫识别和人眼的识别率相当。Haff和Slaughter[6－7]使用低能量、大电流X射线源、低能量X射线图像增强器和连接到PC的CCD相机组装成高分辨率实时X射线成像系统。通过高分辨率X射线扫描实时成像，能够在一帧画面中成像大约350粒谷物，但因没有粮虫图像的自动分析系统，需要进行人工分析。Karunakaran 等[8－11]研究了软性 X 射线法（15 kV 和65.a）检测加拿大西部红春小麦种子内稻象侵染的可能性。研究人员对受侵染的籽粒每隔5～7 d用实时荧光镜扫描一次，直到成虫从籽粒中出来。利用直方图组、纹理特征等从小麦籽粒的X射线图像中提取了57个特征。在综合利用所有57个特征情况下，能正确识别95%以上未侵染籽粒和幼虫期侵染籽粒。Fornala等[12]用软性X射线法在谷象产卵后第3天、第5天、第7天、第10天、第20天和第30天对小麦籽粒进行照射成像，将数字图像进行灰度处理提高检测准确性。

我国在利用图像识别技术进行害虫检测和害虫图像采集的方式上研究有一定进展。周龙[13－14]设计的储粮虫害图像检测设备由取样机构、取样装置、传送机构、传送带、CCD摄像机、采集卡及微机等部分组成，输出结果为害虫的综合防治决策提供可靠的参考和依据，但是该方法存在着机械设备复杂的问题，在设备成本和操作性方面需要进一步的改进。胡涛等[15]提出了一种基于灰色理论的图像边缘检测算法，将其应用于储粮虫害图像的边缘检测，能较好地检测粮虫图像的有效边缘信息。张卫芳[16]采用基于混合高斯模型的图像处理方法对粮虫图像进行去噪、增强、分割及边缘检测，为储粮虫害的特征提取和害虫种类的准确识别奠定基础。张建华等[17]建立支持向量机（SVM）模型，用遗传算法自动选择最优核函数参数，对害虫图像进行分类识别。金广锋等[18]提出基于分布式的无线图像传感器网络技术，使用多频段技术抗干扰，通过无线数字传输模块将害虫图像数据传输到控制室。张红涛等[19－20]设计了基于计算机视觉的储粮活虫检测软硬件系统，对15类活虫的正确识别率达到94.8%。陆光等[21]对天牛虫的图像进行特征提取和识别，将所提取的特征作为SVM分类器的训练样本集，进而对目标图像进行较好地识别。胡祝华等[22]采用图像预处理技术、形态学重建以及基于改进Hausdorff距离的模板匹配算法实现快速、实时害虫图像检测与识别。

4 基于图像检测的粮食储藏虫害检测技术发展方向

4.1 粮虫新特征提取

粮虫新特征提取是将粮虫形态学特征、粮虫颜色、体表纹理、背部、腹部等形态特征、无量纲的特征等进行提取分类，形成最优知识库。现有的粮虫识别研究仅局限于常见的10多种害虫，与种类达200多种粮虫总量相比，研究范围有待于进一步扩展。粮虫多数体型小、颜色相近、外观差异不大，自动识别难度大。如米象和玉米象，赤拟谷盗和杂拟谷盗，这些仅通过图像识别法是无法准确区别开来的。

4.2 早期害虫侵害检测

研究X射线图像、光谱探测、近红外图像、可见光图像等多传感信息融合技术，从源头上着手，准确检测区分含虫卵粮粒、小幼虫侵染的粮粒与正常粮粒，实现快速检测早期粮食的害虫侵害。

4.3 死虫的识别

《粮油储藏技术规范（GB/T 29890-2013）》中虫粮等级标准是按照活虫数量划分，确定虫粮等级时只需要对活虫进行计数和分类。当前识别方法不能辨别出粮虫的“死”、“活”，害虫的活动性有强有弱，一些害虫受惊后会出现“假死”现象，这些都增加了识别难度、降低了识别的效率和可靠性。水分对近红外波有吸收作用，死虫体内含水率低于活虫，利用这一特性，通过多波段的信息融合提取能有效判断粮虫活性的敏感光谱波段图像特征，解决活虫与死虫的识别。

4.4 高速图像处理模块研制

害虫检测的样本按每检测点1 kg抽取，1kg小麦大约有1.72万～4.34万个籽粒 （以小麦为例），需要处理的粮虫图像信息量大。要实现实时高效的自动化检测，就必须研究出图像处理、图像分析、害虫识别等各个环节的新算法及全流程的并行算法。

4.5 自动分离传输机构的研制

自动分离传输机构的研制对于提高检测效率也有重要意义，一方面该机构从粮食中将粮虫及杂质分离，减少图像处理的工作量，另一方面将粮食样本处理成单层状态，提高粮粒内部粮虫检测效率。

5 结论

基于图像检测的粮食储藏虫害防治技术要实现在生产实际中的真正广泛应用，就必须解决检测效率、检测准确性等问题，还要对害虫的特征提取、分离传输、图像信息采集、图像处理及图像识别等每一个关键环节进行更为深入研究，研发出稳定可靠、高效精准、成本合理的自动粮食储藏虫害检测系统。