仓储害虫检测的研究现状及其展望

仓虫起源于人类开始储藏食品,田间害虫随之进入仓库,经长期演变,大部分逐渐适应仓库的新环境而放弃其原有的田间生活。它的传播途径分为两种,第一种是自然传播,由田间或仓外飞入仓里,如麦蛾、绿豆象、露尾甲、皮蠹等,这类害虫能在田间危害或成虫以花蜜为食;成虫在仓外越冬,翌年春天又返回仓里,如米象及锯谷盗;粘附在鸟类、 鼠类、 昆虫身上蔓延传播, 如螨类(Mits),第二种是人为传播,仓库或加工厂内潜藏着的仓虫,未注意防治而繁殖传播;含有仓虫的粮食筛下物、粮脚、尘芥杂物,未及时清除;感染仓虫的农产品或粮食加工品,在调运及储藏时造成蔓延传播;感染仓虫的储、运用具,如运输工具和包装器材以及围席、垫木、筛子、扫帚、簸箕,在运输及使用时也能造成蔓延传播。全世界储藏的粮食每年约10%损失于虫害,即每年被仓虫损害的谷物可供2亿人食用一年。有的国家和地区有时高达30%~40%。如食品营养成分的损失;被害虫的排泄物、蜕皮、尸体及活虫污染;发热霉变。所以如何高效地检测粮仓中的害虫并准确地定位害虫已经成为安全储粮工作中的一项重要任务。

早在1972年,联合国粮农组织就提出建立在生态学基础上的综合防治(Integrated Pests Man-agement,简称IPM)策略。害虫的实时检测是进行综合防治的一种手段,也是IPM体系的重要组成部分。只有准确的检测,才能做到有目的的防治,把害虫种群控制在经济损害水平以下,既不会因害虫造成损失,也不会因盲目防治造成浪费,加重对粮食和环境的污染[1]。为此,专家们提出了多种粮虫检测的方法,分别基于感官检测、取样检测、仪器检测三个方面。本文重点介绍了声检测、取样检测、图像识别、生物光子等检测技术。对比分析其优劣势,并对粮食害虫检测的未来发展做出展望。

储粮害虫声检测技术是指通过检测和分析粮堆生态系统中害虫活动的声信息来掌握害虫数量、种类、发展阶段,进而评价其对粮食危害程度等的一门综合技术。该方法的原理是把声音变成电讯号,通过电子过滤器把昆虫发声的频率与环境声音的频率分开,然后进行信号放大处理,根据音程的百分比和音程的数量来分辨昆虫的种类和数量。声检测技术也经历了初期到成熟期的发展,表1是声检测技术的发展历程。

声检测技术主要依赖信号的接收与分析处理,然后得出害虫活动轨迹,并根据特征值分析结果。由于在检测过程中,声音讯号常常受到外界噪声、传感器噪声等方面的干扰,将有用的信号淹没,导致无法准确地分辨出多数量害虫的声音信息,只适合在小规模的试验范围内使用,否则将增加检测成本,与此同时,也无法检测粮仓中死虫的情况,所以声检测技术有待于进一步研究。

取样检测法是一种侧重于人工检测的方法,首先按区分层定点扦取一定数量的储藏物样品,经过人工过筛之后鉴别样品中害虫的种类和密度,从而推断整个储藏物中害虫发生情况的方法。该方法是较准确和客观的一种检测方法,受环境因素影响较小。在取样过程中,害虫完全处于被动状态,无论哪一种害虫、哪一个虫期或其是否处于运动状态,都会连同粮样被取出[10]。取样检查包括外部害虫的检查和隐蔽性害虫的检查。对于扦取的粮食样品,一般采用筛选法检查粮粒外部的害虫;隐蔽性害虫的检查方法有刨粒法、染色法、比重法、透视法、茚三酮法等[11]。常见的取样装置选筛有粮食取样管、倾斜筛、真空探管等。取样检测法是一种传统的检测方法,是我国粮储部门规定的标准,但是该方法所要求的人员工作量大,须考虑的因素较多,包括检测人员识别害虫能力,取样数量、取样部位以及取样频率等,为取样检测结果带来了更多的不确定因子,因此该方法检测结果的误差也相对较大,效率较低,难以适应现代化粮储的需求。

图像识别检测技术是利用计算机技术、机器视觉、图像处理与模式识别技术相结合实现储粮害虫检测。它的原理是用光学照相机、数码照相机、X射线摄像、红外摄像和CCDD(Charge Coupled De-vices,电荷耦合器件)摄像机等采集图像,并用图像识别的方法进行在线处理,快速判断是否存在害虫[12]。图像识别检测一般包括图像预处理、图像特征分割、特征提取和自动分类器设计4个过程。

图像预处理是图像识别检测技术的难点之一,一方面图像预处理可以提高识别多种类、形态小、结构复杂的粮虫的准确率;另一方面图像预处理可以通过简化表征或压缩粮虫图像特征等方法来达到快速识别的目的。图像处理的核心是特征提取,特征的表征性能直接决定了识别分类的效率和精度。表2是各研究学者对特征提取的研究结果。

经过初步地研究与探索,目前检测系统已经能够在线检测出害虫与杂质,并可以离线识别出4种主要储粮害虫(玉米象、谷蠹、大谷盗和绿豆象),根据成虫背面特征的识别率可达90%,而残缺粮粒、草籽、害虫的姿态等因素对检测结果有较大的影响[11]。因此,图像识别害虫检测技术仍有待进一步完善。

生物光子(Biophoton Analytical Technology,BPAT)是一种新型的小麦隐蔽性害虫检测模型,生物光子学的研究表明,超微弱发光是活体生物的一种普遍生物物理现象,是生命活动状况的一种反应,并且对生命体内部的细微变化非常敏感。生命体处于逆境时,如病变、虫害或者受伤等,其生物光子辐射都会发生显著的变化。该实验以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自然发光子数,并提取小麦自发光特性位置特征、散布特征和形态特征等9个参数构成小麦分类的特征向量,利用BP神经网络设计分类模型,对特征向量进行训练和测试,实验结表明模型可以正确区分含虫小麦和正常小麦[21,22,23]。该方法操作简单,有助于从新的视角检测仓储过程中害虫的活动状态。但是对于玉米象的虫卵期、幼虫期无法进行区别,需要进一步探索。

储粮害虫检测是粮食存储的关键,仓储害虫直接威胁着粮食的安全储藏,造成粮食损失。除了以上几种害虫检测技术之外,还有近红外光谱、X射线、微波雷达、电导法等多种方法同样可用于对储粮害虫的检测,表3是对这些方法的对比分析。

近红外线光谱检测技术在上世纪90年代初曾是研究热点,该法对完好粮粒和虫蚀粮粒的鉴别效果较好,而对不同成虫或不同幼虫,这种反差较小的种类鉴别达不到满意的效果,且都是在实验室进行[27]。X射线检测技术具有非破坏性,准确快速,可以检测到内部的活虫和死虫;但是该方法只能检测运动的害虫,而不能检测到粮食中的死虫。对于微波雷达检测技术而言,当微波信号遇到转移物体反射后会产生多普勒效应,当害虫向接受器方向运动时,雷达反射的频率略高于发射频率,反之反射频率低于发射频率,因此,可以根据发射和反射雷达的频率来区分粮虫的运动。与X射线检测技术和近红外光谱检测技术相比,电导检测技术的最大优点就是具有零误识率,是一种自动、快速又经济的检测技术。通过单谷粒物特性测定仪检测虫染麦粒的电压和电导率,通过对电导信号的处理,根据信号特征区分虫蚀粮粒和完好粮粒[25]。

粮虫的可视化、同粮库现有的计算机管理系统相连接等问题一直是近几年粮虫检测领域的研究热点,声检测技术可以确定害虫发展程度,检测轻便快速,灵敏度高,但是受传感器及环境噪声的影响较大;而取样检测技术受环境因素影响较小,但是其工作量大、效率低,难以适应现代发展的需要;相比之下图像识别检测技术采用图像处理等技术能自动识别仓储活虫,但是不能检测钻蛀害虫,在检测害虫的假死性和幼虫方面存在缺陷;生物光子检测技术可以正确区分含虫小麦和正常小麦,是粮虫检测技术发展的新趋势。

以上综述了储粮害虫检测技术的研究成果,在某些场合对于仓储害虫的检测具有一定的效果,但是在在线检测储粮害虫种类、密度等特征值的精确度上存在一些问题亟待解决,但是这些研究成果为我们更加高效地检测粮仓害虫奠定了良好的基础,通过各个方法之间的取长补短,多种检测技术的结合是粮虫检测的必然趋势,因此害虫检测技术还有很大的提升空间,需要我们不断研究和创新,为害虫的综合防治提供可靠的、科学的决策依据。