物聯網智能蟲情測報系統在枸杞害蟲遠程監測中的應用試驗

魏秀紅 鄒佳輝 劉艷楠 何燕 張欣怡 齊麗君

摘要采用物聯網智能蟲情測報系統和頻振式殺蟲燈人工計數進行對比試驗，得出在托普云農（TPCB-Ⅱ-C7.0）物聯網系統計數、托普云農（TPCB-Ⅱ-C7.0）物聯網系統人工收蟲計數、頻振式殺蟲燈人工收蟲計數3種方法中，枸杞木虱和枸杞蚜蟲發生盛期和高峰期基本一致，絕對誘蟲量存在差異。物聯網遠程監測與人工監測之間具有一定的差異，今后，物聯網監測系統在軟件、硬件方面都應當進一步提高。物聯網蟲情測報系統具有較高的準確性和可信度，有助于林業病蟲害疫情預測。

關鍵詞物聯網智能蟲情測報系統;監測;枸杞害蟲

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，物聯網技術在農林自動化節水灌溉、農產品質量安全追溯、林業資源監測、森林防火等方面廣泛應用，并逐步開始應用于林業有害生物遠程監測，采用物聯網和大數據驅動技術的應用能夠擴大有害生物監測的范圍，提高監測效率，及時有效的預知有害生物發生趨勢，從而降低有害生物暴發風險，提高農業生產效率[1-4]。林業病蟲自動測控物聯網由安置在田間的高清攝像頭，自動蟲情測報燈等部分組成。經過遠程設置后，該系統定時將自動蟲情測報燈采集到的蟲害信息通過無線網絡發送至監測平臺，平臺對采集的數據自動記錄歸檔，形成蟲害數據庫，并將蟲害信息以各種圖表、列表形式展現給技術人員進行遠程診斷。技術人員可在電腦或手機客戶端上通過互聯網對林木長勢、病蟲害發生情況、燈下害蟲誘集數量等有害生物發生關鍵因子進行實時監測，隨時遠程了解蟲情情況與變化，為制定防治措施提供依據。

目前，該系統的應用還沒有得到大范圍的普及，具體的監測效果還需要大量試驗的驗證。2019年開展了物聯網智能蟲情測報系統應用試驗，分別采用物聯網蟲情測報系統與人工計數進行對比試驗，用物聯網蟲情測報系統和頻振式殺蟲燈人工計數進行對比試驗，比較其差異程度，為進一步明確林業病蟲自動測控物聯網在枸杞病蟲害監測方面的作用，評價其應用價值提供一定科學依據，為田間推廣提供理論依據。

1 ?材料和方法

1.1實驗設備

農作物病蟲害實時監控物聯網系統（TPCB-Ⅱ-C7.0），由浙江托普云農科技股份有限公司由生產，包括安置在田間的高清攝像頭，智能型蟲情測報燈及放置在室內的數據處理服務器組成。

1.2 試驗地點和時間

試驗設備（TPCB-Ⅱ-C7.0）安置于玉門市花海鎮南渠村9組，主要為枸杞種植區，該試驗點為中央財政林業示范推廣項目-枸杞有害生物綠色防控示范點，遠離城區和公路，周圍無高大建筑物遮擋和人工光源干擾。監測時間為2020年6月1日至8月31日，共計92d，試驗期間系統運行正常。

1.3監測對象

對枸杞危害較重的枸杞木虱、枸杞蚜蟲。

1.4試驗方法

下載（TPCB-Ⅱ-C7.0）系統中自動蟲情測報燈每日拍攝的所有照片，對照片中的監測對象進行識別，電腦分類計數;收集自動蟲情測報燈每天誘集的害蟲，按種類分類進行人工統計;收集頻振式殺蟲燈收集到的害蟲，并進行人工計數;對比遠程監測的害蟲數量和實際誘集量的差別。

1.5數據記錄

實驗期間（4月1日-8月30日）逐日記錄物聯網自動蟲情測報系統、蟲情測報燈枸杞木虱、枸杞蚜蟲誘蟲數量。（TPCB-Ⅱ-C7.0）系統中自動蟲情測報誘蟲數量為系統自動分辨計數，結果錄入害蟲遠程實時監測情況記載表;蟲情測報燈和頻振式殺蟲燈均采用人工收蟲、人工計數，將結果逐日錄入害蟲遠程實時監測情況記載表，分析結果，對比以上幾種調查方法統計結果之間的差異。

2 ?實驗結果

托普云農（TPCB-Ⅱ-C7.0）物聯網系統-蟲情信息采集系統試驗結果

2.1托普云農（TPCB-Ⅱ-C7.0）物聯網系統自動計數與人工計數比較

2.1.1枸杞木虱

5月1日到7月15日，托普云農（TPCB-Ⅱ-C7.0）物聯網系統自動計數數據 1223頭，人工收蟲、人工計數數據2157頭，相差934頭，誤差率為43.3% 。

2.1.2枸杞蚜蟲

5月1日到7月15日，托普云農（TPCB-Ⅱ-C7.0）物聯網系統自動計數數據562 頭，人工收蟲、人工計數數據423頭，相差139頭，誤差率為32.8% 。

圖1、圖2分別為托普云農（TPCB-Ⅱ-C7.0）物聯網系統下，枸杞木虱和枸杞蚜蟲系統計數和人工計數比較情況，由圖可知，兩種計數方法中枸杞蚜蟲的消長趨勢基本一致，但是在絕對值上有差別，這可能跟蟲體大小、辨識度等有一定關系。

2.2托普云農（TPCB-Ⅱ-C7.0）物聯網系統與頻振式測報燈人工收蟲、人工計數比較

2.2.1枸杞木虱

2.2.2枸杞蚜蟲

圖3、圖4分別反映了枸杞木虱和枸杞蚜蟲在托普云農（TPCB-Ⅱ-C7.0）物聯網系統自動計數和頻振式殺蟲燈人工計數兩種方法下的統計結果，可以看出成蟲高峰期基本一致，但絕對量相差較大。相對而言，枸杞蚜蟲成蟲高峰期一致性不如枸杞木虱，這與蚜蟲的蟲體較小，圖片難以辨別有一定的關系。

3 ?分析與討論

托普云農（TPCB-Ⅱ-C7.0）物聯網系統計數;托普云農（TPCB-Ⅱ-C7.0）物聯網系統人工收蟲、人工計數;頻振式殺蟲燈人工收蟲、人工計數這3種方法中，枸杞木虱和枸杞蚜蟲發生盛期和高峰期基本一致，但3種方法的絕對誘蟲量存在差異，原因分析如下：

3.1枸杞木虱、蚜蟲的蟲體較小，從圖片中進行有效識別并進行計數存在一定難度。

3.2蟲量多時易堆積，物聯網系統自動識別時，同種害蟲或者多種害蟲重疊覆蓋，對辨認造成難度，無法準確計數。

3.3枸杞木虱、蚜蟲屬于弱趨光性，遷飛能力不強，但在對托普云農物聯網系統中收集的害蟲進行調查后發現，該系統對周圍農田防護林有較大的誘蟲量，且與害蟲發生盛期和高峰期一致。

3.4因本示范點為枸杞綠色防治示范點，蚜蟲和木虱在枸杞休眠期（11月處和翌年3月下旬）已噴施兩次3-5%波美度石硫合劑、5月上旬噴施3.6%煙堿.苦參堿微囊懸浮劑1000倍液進行藥劑防治，5月上旬懸掛可降解黃色和藍色沾蟲板等物理措施和農業措施，枸杞蚜蟲和木虱蟲口密度已大幅度下降，危害程度在輕度以下。

4 ?結論與討論

從上述結果中可以發現，物聯網遠程監測雖然能夠較為準確的預測蟲情動態和發生趨勢，但從具體統計數量上來看，與人工監測之間仍具有一定的差異。在今后的發展中，物聯網監測系統在軟件硬件方面都應當進一步提高，硬件方面，應該重視識別精度的提升，如提高攝像頭分辨率等;軟件方面，則可以通過先拍照后對焦技術提高識別效率。

物聯網蟲情測報系統集數據采集、監控、專家系統等功能為一體，智能監測、實時采集監測區域有害生物狀態信息，實現了林業有害生物測報的數字化、智能化、可視化、規范化。具有較高的準確性和可信度，有助于林業病蟲害疫情預測，在林業有害生物測報中工作中，具有推廣價值，有效助力森防工作的開展。

參考文獻：

[1]李云增.托普云農：積極助推中國農業數字化轉型[J].中國植保導刊，2020（6）：95-96.

[2]付佳，安增龍.基于農業物聯網技術的智慧農業研究進展[J].現代農業科技，2020（5）：232-235.

[3]易寧，劉有株.基于物聯網的水稻大田智能預警監控系統[J].江蘇農業科學，2018，46（19）：264-268.

[4]郝志華，黃志君.桑樹病蟲害預測預報的研究進展[J].廣東蠶業，2017，51（3）：4-6.