糧食儲藏蟲害檢測技術淺析

陳忠杰，溫 莉，郭 其

（陜西省糧油科學研究院，西安 710082）

糧食安全是實現國民經濟又好又快發展的基礎，是促進社會穩定和諧的重要保障。我國是糧食生產大國，也是糧食消費大國。從經濟角度來看，擁有14億人口的中國，如果過分依賴從國際上進口糧食，會造成國際糧源緊張，拉動國際糧食價格上漲。我國人口眾多、糧食生產受自然風險和市場風險影響較大。因此，我國不僅要保證一定面積的耕地，還必須保證足夠的糧食儲藏量，這對保障我國糧食市場正常流通、必要時發揮糧食宏觀調控作用具有重大意義。隨著我國工業化和城市化的快速推進，城市人口增加，人民生活消費水平提高，未來保障我國糧食安全的壓力還將繼續存在。

1 研究意義

糧食儲藏的主要目的是運用一些必要措施降低糧食不應有的損害，盡可能地保證糧食的原有品質，節省儲藏費用。聯合國糧農組織規定的生產、管理、儲存、運輸、加工及消費等環節的損失標準為5%。據資料顯示，我國糧食總損失率為18.1%，我國的國庫儲糧損失率為0.2%左右。其中，儲糧害蟲造成的損失約占儲糧損失總量的一半。儲糧害蟲的代謝活動會使儲糧水分增加、糧溫升高，嚴重時會造成儲糧霉爛變質。儲糧害蟲的排泄物和本體會污染儲糧，導致糧食質量下降。我國在儲糧過程中廣泛使用磷化鋁熏蒸殺蟲，這不僅增加了開支，而且造成了環境的污染。

Integrated Pests Management簡稱IPM （蟲害綜合防治）由聯合國糧農組織1972年提出，是一種基于生態學基礎的綜合防治策略，通過準確檢測達到科學防治目的。害蟲的實時檢測可以及時評估害蟲造成的經濟損害水平和采取適當的防治措施，避免盲目防治造成浪費。2013年中央明確提出實施“以我為主、立足國內、確保產能、適度進口、科技支撐”的國家糧食安全戰略，通過加強應用基礎研究和軟科學研究改變糧食行業粗放的發展方式。借助大數據、云計算、人工智能、信息技術等新技術和新思路，盡快設計出更多更好、保護糧食免遭蟲害的防治方法具有一定現實意義。

2 國內外儲糧蟲害檢測方法的研究現狀

儲糧蟲害檢測技術的一個重點任務是研制害蟲感知傳感器，實現糧堆害蟲的自動化檢測、智能分析和自動控制，以完善安全儲糧綜合治理專家決策支持系統。儲糧蟲害的在線檢測的目標是提供準確的害蟲種類、害蟲密度等信息，為蟲害綜合防治提供科學的決策依據。

為此國內外專家學者提出了很多儲糧蟲害檢測方法，傳統方法有：扦樣法和誘集法；較新的檢測法有：圖像檢測法、聲測法、近紅外法、軟射線法、電導法及微波雷達法等。儲糧蟲害檢測方法各有特點，具體對比如表1。

表1 儲糧蟲害檢測方法對比

3 國內外儲糧蟲害圖像識別檢測的研究現狀

基于圖像檢測的糧食儲糧蟲害檢測法具有檢測準確、工作效率高、人工勞動強度小、造價低廉，與糧庫現有信息管理系統連接方便，因此備受推崇。Zayas和Flinn[1]利用多光譜分析和模式識別技術結合的方法來檢測散裝小麥倉中的谷蠹成蟲，驗證了模式識別技術在線檢測儲糧害蟲的可行性，并將殘缺糧粒、草籽、害蟲的姿態等因素列為影響檢測結果的主要因素。Ridgway、Davies和Chambers[2-3]在檢測方案設計方面做了大量的工作，三人基于英國商業部的檢測標準開發出自動檢測系統用于小麥收獲過程中成蟲、鼠糞和麥角的機器視覺檢測，該系統用于檢測三種污染物類型的集成算法的掃描速度接近于1000 g/min。系統的局限性是需人工參與糧蟲采集制備樣品。Keagy和Schatzki[4－5]將小麥籽粒與玉米象等成蟲接觸3 d后進行培養和X光照射，然后，每隔3～4 d拍攝一次接觸片。研究者把感染和未感染谷物的X射線圖像作為原始膠片，研究4種分辨率下不同蟲齡階段侵染情況。他們提出了一種圖像處理算法，將8位灰度圖像轉換為內部邊緣和線的二值圖像，使機器識別率超過了50%，第四齡害蟲識別和人眼的識別率相當。Haff和Slaughter[6－7]使用低能量、大電流X射線源、低能量X射線圖像增強器和連接到PC的CCD相機組裝成高分辨率實時X射線成像系統。通過高分辨率X射線掃描實時成像，能夠在一幀畫面中成像大約350粒谷物，但因沒有糧蟲圖像的自動分析系統，需要進行人工分析。Karunakaran 等[8－11]研究了軟性 X 射線法（15 kV 和65.a）檢測加拿大西部紅春小麥種子內稻象侵染的可能性。研究人員對受侵染的籽粒每隔5～7 d用實時熒光鏡掃描一次，直到成蟲從籽粒中出來。利用直方圖組、紋理特征等從小麥籽粒的X射線圖像中提取了57個特征。在綜合利用所有57個特征情況下，能正確識別95%以上未侵染籽粒和幼蟲期侵染籽粒。Fornala等[12]用軟性X射線法在谷象產卵后第3天、第5天、第7天、第10天、第20天和第30天對小麥籽粒進行照射成像，將數字圖像進行灰度處理提高檢測準確性。

我國在利用圖像識別技術進行害蟲檢測和害蟲圖像采集的方式上研究有一定進展。周龍[13－14]設計的儲糧蟲害圖像檢測設備由取樣機構、取樣裝置、傳送機構、傳送帶、CCD攝像機、采集卡及微機等部分組成，輸出結果為害蟲的綜合防治決策提供可靠的參考和依據，但是該方法存在著機械設備復雜的問題，在設備成本和操作性方面需要進一步的改進。胡濤等[15]提出了一種基于灰色理論的圖像邊緣檢測算法，將其應用于儲糧蟲害圖像的邊緣檢測，能較好地檢測糧蟲圖像的有效邊緣信息。張衛芳[16]采用基于混合高斯模型的圖像處理方法對糧蟲圖像進行去噪、增強、分割及邊緣檢測，為儲糧蟲害的特征提取和害蟲種類的準確識別奠定基礎。張建華等[17]建立支持向量機（SVM）模型，用遺傳算法自動選擇最優核函數參數，對害蟲圖像進行分類識別。金廣鋒等[18]提出基于分布式的無線圖像傳感器網絡技術，使用多頻段技術抗干擾，通過無線數字傳輸模塊將害蟲圖像數據傳輸到控制室。張紅濤等[19－20]設計了基于計算機視覺的儲糧活蟲檢測軟硬件系統，對15類活蟲的正確識別率達到94.8%。陸光等[21]對天牛蟲的圖像進行特征提取和識別，將所提取的特征作為SVM分類器的訓練樣本集，進而對目標圖像進行較好地識別。胡祝華等[22]采用圖像預處理技術、形態學重建以及基于改進Hausdorff距離的模板匹配算法實現快速、實時害蟲圖像檢測與識別。

4 基于圖像檢測的糧食儲藏蟲害檢測技術發展方向

4.1 糧蟲新特征提取

糧蟲新特征提取是將糧蟲形態學特征、糧蟲顏色、體表紋理、背部、腹部等形態特征、無量綱的特征等進行提取分類，形成最優知識庫。現有的糧蟲識別研究僅局限于常見的10多種害蟲，與種類達200多種糧蟲總量相比，研究范圍有待于進一步擴展。糧蟲多數體型小、顏色相近、外觀差異不大，自動識別難度大。如米象和玉米象，赤擬谷盜和雜擬谷盜，這些僅通過圖像識別法是無法準確區別開來的。

4.2 早期害蟲侵害檢測

研究X射線圖像、光譜探測、近紅外圖像、可見光圖像等多傳感信息融合技術，從源頭上著手，準確檢測區分含蟲卵糧粒、小幼蟲侵染的糧粒與正常糧粒，實現快速檢測早期糧食的害蟲侵害。

4.3 死蟲的識別

《糧油儲藏技術規范（GB/T 29890-2013）》中蟲糧等級標準是按照活蟲數量劃分，確定蟲糧等級時只需要對活蟲進行計數和分類。當前識別方法不能辨別出糧蟲的“死”、“活”，害蟲的活動性有強有弱，一些害蟲受驚后會出現“假死”現象，這些都增加了識別難度、降低了識別的效率和可靠性。水分對近紅外波有吸收作用，死蟲體內含水率低于活蟲，利用這一特性，通過多波段的信息融合提取能有效判斷糧蟲活性的敏感光譜波段圖像特征，解決活蟲與死蟲的識別。

4.4 高速圖像處理模塊研制

害蟲檢測的樣本按每檢測點1 kg抽取，1kg小麥大約有1.72萬～4.34萬個籽粒 （以小麥為例），需要處理的糧蟲圖像信息量大。要實現實時高效的自動化檢測，就必須研究出圖像處理、圖像分析、害蟲識別等各個環節的新算法及全流程的并行算法。

4.5 自動分離傳輸機構的研制

自動分離傳輸機構的研制對于提高檢測效率也有重要意義，一方面該機構從糧食中將糧蟲及雜質分離，減少圖像處理的工作量，另一方面將糧食樣本處理成單層狀態，提高糧粒內部糧蟲檢測效率。

5 結論

基于圖像檢測的糧食儲藏蟲害防治技術要實現在生產實際中的真正廣泛應用，就必須解決檢測效率、檢測準確性等問題，還要對害蟲的特征提取、分離傳輸、圖像信息采集、圖像處理及圖像識別等每一個關鍵環節進行更為深入研究，研發出穩定可靠、高效精準、成本合理的自動糧食儲藏蟲害檢測系統。