储粮害虫检测现状

储粮害虫检测新技术及应用现状
发布者：胡丽华郭敏发布时间：2007-8-15 10:41:00
内容摘要
储粮害虫的检测是粮食储藏部门的研究热点。

害虫种类的识别和密度的确定是粮食管理人员进行害虫综合防治的必要依据。

因此，许多国内外专家学者致力于这方面的研究，提出了很多有效的储粮害虫检测方法。

该文将介绍几种储粮害虫检测的新方法：声测法、近红外光谱法、X射线法、电导法、微波雷达检测法、图像识别法和电子鼻法。

文中分析评价了上述方法的优缺点，最后展望了未来的发展趋势，为更好地进行储粮害虫检测提供了新思路。

正文
1．引言
粮食产后储藏期间，储粮害虫的危害十分严重。

据有关资料报道，全世界每年至少有5%的粮食被害虫糟蹋，如果人力、物力和技术跟不上可能会达到20%~30%。

在许多发展中国家，谷物产后的损失量约为10%~15%[1]。

而在我国，每年国库粮食损失约为0.2%，因此，储粮害虫的实时检测成为迫在眉睫的问题。

只有准确地检测，才能做到有目的的防治。

早在1972年，联合国粮食组织提出了建立生态学基础上的综合防治策略（IPM），加拿大、澳大利亚等国在法案中明确提出了储粮害虫的“零容忍”。

我国在《“十五”粮食行业科技发展规划》中明确提出要实现粮堆害虫的自动化检测。

由此可见，研究有效的害虫检测技术，准确地掌握害虫的密度、种类等信息，可为害虫的综合防治提供科学依据，具有重要的实际应用价值。

为此，国内外专家学者提出了许多储粮害虫检测方法和害虫综合防治技术。

传统采用的方法有取样法和诱集法，本文将介绍几种最新的储粮害虫检测方法：声测法、近红外光谱法、X射线法、电导法、微波雷达检测法、图像识别法和电子鼻法，这些方法各有其优势和一定的局限性。

本文对这些检测方法的应用状况作了扼要的总结和评述，并展望了未来的发展趋势。

传统：信息素法，微波法。

2．害虫检测新技术
2．1 声测法
储粮害虫的声检测技术是指通过检测和分析粮堆生态系统中害虫的吃食或
爬行等声信息，以掌握害虫数量、种类和发展阶段，进而评价粮食受危害程度的一种综合技术。

相对其他检测方法，它具有简便、快速、价廉、灵敏度高等优点，20多年来，一直是昆虫声学领域研究的热点，国外尤其是美国在这方面处于领先地位，已取得很多研究成果。

1924年，Brain最早利用机电设备检测苹果及谷物中害虫的吃食声，证明了声测法的可行性[2]。

后来由于各种因素的影响，声检测技术的研究到90年代以后才又重新活跃起来。

在这期间，1991年，Hagstrum等人研制成功了一种粮食害虫连续自动监视系统[3]，实验结果表明：检测到害虫的概率与害虫种类数、所用的麦克风数、各麦克风频率、害虫和麦克风之间的距离等因素有关，该方法可粗略估计害虫的数量，但无法对害虫浸染程度量化。

Shuman等人也做了很多研究工作，研制了两代声探测昆虫检测器[4-5]，他的研究成果已用于实际出口谷物的评级。

Coggins等利用人工神经网络方法对谷物中害虫活动声信息进行了检测，并根据声信号时域特征的不同对害虫进行了分类。

国内也有学者进行了相关研究。

郭敏、尚志远等对储粮害虫爬行声的时频特征做了初步研究，证明害虫爬行声的时频特征与害虫、粮食种类等有关系[7-8]。

耿（geng）森林等提出了提高检测系统的抗噪能力以及利用害虫声频域特征进行害虫种类鉴别的新方法[9-10]。

另外，他们还提出了改进的新思想：储粮害虫活动的超声研究、储粮害虫超声激活方式的研究和储粮害虫活动声模型的理论研究，为下一步的研究指明了方向[11]。

Pearson等人提出用碰撞声信号检测虫蚀粮粒的新方法[12]。

该方法的思路是：利用实验设备控制粮食样本落至钢制冲击板上，通过信号处理的方法处理其碰撞冲击板产生的声信号来检测害虫。

实验结果显示，无虫粮粒和虫蚀粮粒的识别准确率分别为98%和84.4%,证明了该方法的可行性。

之前，Pearson、Cetin 等人已将该方法用在对裂开和未裂开的开心果的分类问题上，取得了良好的结果[13]。

2．2 近红外光谱法（NIR光谱法）
近红外光是指介于可见光和中红外光之间的电磁波，几乎所有有机物的一些主要结构和组成都可以在它们的近红外光谱中找到信号，谱图稳定，比较容易获取，可用于定性和定量分析，因此，NIR法有“分析巨人”的美誉。

近红外光谱法检测储粮害虫的方法基于近红外光的吸收和反射的差异区分虫害麦粒和完好麦粒，根据不同储粮害虫自身内的C、H、N成分的差异，经近红外光谱扫描后，其反射和吸收光谱的不同来识别不同种类的害虫[14]。

目前很多国家尤其是美国、英国、加拿大、日本和澳大利亚等发达国家，都开展了NIR技术的研究和应用工作，这些国家还拥有各种类型的NIR分析仪，已在实际应用中发挥了作用。

20世纪90年代，NIR技术曾经是研究热点。

Ridgway和Chambers用近红外技术检测潜藏在粮食颗粒内部的害虫[15]，实验表明对完好粮粒和虫蚀粮粒鉴别效果较好，但对不同成虫或不同幼虫的种类鉴别，因反差较小，效果不理想，且是在实验室进行的，离实际应用还有一定的距离。

之后Baker和Dowell等相继使用NIR技术鉴别寄生在小麦颗粒中的米象[16]、识别谷物中11种甲虫类昆虫[17]，最后提出这种技术有望快速自动检测其他有机物。

近几年，NIR技术在粮虫检测方面又有了新进展。

Maghirang和Dowell等用自动近红外反射系统（SKCS 4170）成功地检测了单个麦粒中包含的死虫和活虫，同时对包含不同生长阶段状态的蛹、大幼虫、中等大小的幼虫和小幼虫的象虫类昆虫进行了检测[18-19]，准确率分别为94%、93%、84%和63%，这表明NIR技术用于粮虫的检测十分有效。

在小麦面粉的害虫检测中，Perez-Mendoza和Throne等人比较了近红外技术和标准的浮选法[20]，浮选法检测费时（约2小时/样本）且成本很高，而NIR 系统相对很快（1分钟/样本），而且不需要准备样本。

但NIR技术也有其局限性，首先它不适合检测虫害水平低的粮食样本，其二该技术对样本的湿度比较敏感，最后它是一种间接的方法，检测幼虫效果不理想。

2．3 X射线法
X射线法是一种直接的具有无损性的储粮害虫检测方法。

学者Karunakaran、Javas和White做了大量实验，证明了该方法的有效性。

他们最先将X射线用于检测小麦中米象的幼虫、蛹和成虫[21]，获得97%的准确率，对完好粮粒的识别率高达99%，接着三人用该方法检测小麦中的锈赤扁谷盗，对完好粮粒、含幼虫和成虫的粮粒进行分类[22]，正确识别率分别为75.3%、86.5%和95.7%。

还
将X射线法和伯利斯漏斗法(Berlese Funnel method)作了比较，后者检测速度慢（约5~6个小时），准确率不高，尤其是检测多种害虫时可靠性较差。

X射线成像系统由五部分组成：荧光检查器（Lixi Fluoroscope）、CCD黑白照相机、黑白显示器、图像数字化器、个人计算机。

工作过程如下：谷粒由人工的方法放在样本平台的玻璃纸上，以摄取X射线图像，通过黑白照相机和数字化仪将图像显示在监视器上，再由计算机处理数字图像来检测虫蚀粮粒。

在X射线成像系统中，通常由人工将粮食放到平台上，效率无疑很低。

为此，Melvin和Karunnakaran等学者设计并开发了一种自动化的粮食单层设备（a grain kernel singulation device）[23]，实现了粮食在平台上的单层传输，有效率为60%~80%，这将更有利于X射线技术的应用。

另外，CT通常是一种用于诊断人类疾病的成像技术，它采用多束X射线和相应的软件再现检测目标的横截面图像。

Michael等人用CT成像技术检测红色硬小麦样本中含有的米象蛹，通过软件迅速识别和量化虫害麦粒[24]。

结果表明，每100克样本中含5个虫蚀麦粒样本的平均检测准确率为94.4±7.3%(均值±标准差)，证明其可行性。

同Ridgway提出的NIR法相比，CT法检测害虫的主要优势在于扫描粮食样本的速度很快，可以量化虫蚀麦粒的个数，且CT法不需要让粮虫样本单层显示，可同时对更多样本进行成像。

2．4 电导法
电导法又称电阻法，根据被测物体水分变化时其直流电阻值随之变化的原理来测定含水率，物质的含水率增加导致电阻值减小。

美国学者Pearson、Brabec 等在2003年提出利用电导法自动检测麦粒中隐藏的害虫[25]，该文采用单粒谷物特性测定仪（SKCS 4100）检测虫染麦粒的压力和电导率，通过对电导信号的处理，将虫食粮粒同完好麦粒区分开来。

研究表明小麦样本中大幼虫和蛹的识别准确率分别为88%、89%，且误识率为零，从而证明该方法的可行性。

SKCS 4100由美国农业部和波通公司共同研制开发，主要用于检测谷粒的重量、湿度、直径和硬度，速率为每秒2粒，可对谷物的等级和均匀性进行快速、客观的测定。

该系统工作基于电导和压力的原理。

在SKCS中，一颗谷粒可认为是两个电阻分压电路中的一个电阻，电导率由通过谷粒的电压来测定。

低电压对应小电阻谷粒，反之亦然。

通常情况下，内部有活虫的谷粒的湿度要远远高于完好谷粒，湿度高则电导率（电阻）小，正是基于SKCS中的信号特征区分虫蚀粮粒同完好麦粒。

与X射线成像法和近红外光谱法相比，电导法的最大优点就是它具有零误识率，是一种自动、经济、快速的内部害虫检测方法。

2．5 微波雷达法
雷达是一种非侵入式精确定位的电子设备，Tirkel(1997年)、Evans(2002年)、Korb(2003年)等人将微波雷达系统用于检测白蚁[26-28]，其工作原理基于多普勒效应，微波信号遇到移动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，即经反射后的微波信号与发射波信号的频率会产生微小的偏移，粮虫的运动可由发射和反射雷达频率区分开来。

学者R.W.Mankin提出了用微波雷达系统检测谷物中隐藏的不同大小害虫的新方法[29]。

在距离超过30厘米的空中很容易检测到四种成虫的运动情况，这表明微波雷达系统可以无损害地检测零售商店和物品包装里隐藏的害虫，还可以辅助使用诱捕器的管理工作人员进行更精确的检测。

微波雷达技术和声检测技术有两个共同点：其一都要求害虫能够运动，其二当害虫运动的声信号相对背景噪声很弱时，需要屏蔽背景噪声，本实验是在消声室中进行的。

另外，微波雷达技术优于声检测之处在于它可以大规模取样。

2．6 图像识别法
图像识别法是19世纪60年代兴起的一种技术。

这种技术发展十分迅速，主要用于医学技术诊断、自动制造业和农产品品质检测等方面。

美国学者Zayas
和Flimn较早采用机器视觉技术对散装在小麦仓中的谷蠹成虫进行离线检测[30]，实验表明：该方法有较高的识别率，但残缺粮粒、草籽、害虫的姿态等因素对检测结果有较大的影响。

Chamber、Ridgway等人提出用机器视觉方法检测小麦样品中的杂质和有麦角症的粮粒[31]。

Ridgway等人2001年提到用图像识别法快速检测传输中谷物中的害虫和其他污染物[32]，并且提出将近红外成像技术和机器视觉系统结合起来，可检测内部害虫。

同年他们还提出一种在传输中检测谷物成虫的快速机器视觉方法[33]，应用于贸易活动中，检测包含多种害虫的商业样本时，获得89%的准确率。

Cataltepe、Pearson等人利用基于透射图像的快速方法检测虫染麦粒[34]，采用多种学习算法如线性模型、二次模型、K近邻、径向基网络法分类虫害麦粒和完好麦粒，结果表明线性模型是所有算法中误识率最小的，其中可用ICA（独立成分分析）和PCA（主成分分析）减少特征维数，以获得最佳分类效果。

我国储粮害虫检测研究主要集中在可见光图像识别技术上。

郑州大学邱道尹专家带领的图像识别课题组提出了在线检测储粮害虫的新思路[35]，利用计算机视觉、图像处理和模式识别技术等技术来识别害虫。

具体思路如下:用带有电荷耦合器件(Charge Coupled Devices，简称CCD)的特殊取样装置抽取粮食样本，摄取图像序列，并用图像识别的方法进行在线处理，快速判断是否存在粮虫，若有粮虫，通过相关控制及图像序列分析，辨别出死虫活虫;若是活虫，用数据挖掘方法提取特征向量，由多个分类器的信息融合给出种类、密度等信息。

经过多年的研究和探索，现已开发出第三代智能检测系统,与开发的图像识别软件包相配合，能以95%的识别率检测出粮仓中危害严重的12种9类害虫。

但是在害虫的假死性、幼虫的识别、死虫与活虫的区分上还有很大缺陷，难以满足目前粮库中在线检测的要求。

2003年周龙通过对比声测法和图像识别法，提出了将二者结合的基于
DSP(Digital signal processing)的多信息融合储粮害虫智能检测新方法[36]。

同年，郑旭光等应用XS -C1型粮仓害虫仓外检测系统,实仓进行了自然发生害虫和人为投放害虫的检测实验研究[37]，结果表明该系统灵敏度高，实现了仓外电子测虫，填补了我国在粮仓害虫仓外采集技术领域的空白。

还有很多学者致力这方面的研究，如刘素华、张红梅、廉飞宇等将模拟退火算法、遗传算法、模糊理论、支持向量机和小波理论用于储粮害虫的分类识别[38-42]，为粮虫的快速鉴定和分类开辟了新的途径，取得了良好效果。

甄彤提出采用运动图像识别技术检测谷物害虫[43]，建立一种无需人工干涉的谷物害虫实时监测与分类识别系统，检测方案和识别效果得到了粮库有关专家的一致肯定。

2．7 电子鼻法
电子鼻又称为气味扫描仪，J.W.Gardner对电子鼻定义为:“电子鼻是由一种有选择性的电化学传感器阵列和适当的识别装置组成的仪器,能识别简单和复杂的气味。

”[44]。

它在饮料、食品、化妆品、药品、医疗诊断、环境检测、海关公安、安全保障和军事等行业均很有潜力，有着广阔的应用前景。

1999年Ridgway用电子鼻技术检测感染螨类害虫的小麦样本[45]，证明了该方法的可行性。

2004年潘天红等人将电子鼻技术用于谷物霉变的识别[46]，并用径向基神经网络进行分析, 正确识别率达到92.19%。

2005年蒋德云、孔晓玲等人提出用电子鼻技术检测储粮害虫[47]，文中采用法国生产的Alpha MOX FOX3000电子鼻，分别对含有活的储粮害虫气体样本、含有死虫的气体样本和标准空气样本进行了检测与比较，并应用主元素分析法进行了模式识别，结果表明，该方法可快速检测出粮食是否受到害虫的侵蚀。

3．结论
上述一系列储粮害虫检测方法各有特点，在某些场合都能有效地发挥作用。

采用声测法时，可将声检测系统安装在大型粮仓内，检测活虫信息。

近红外法适合在虫害程度较严重的大量样本中使用，电导法可用于检测湿度较大的少量粮食样本，而X射线法是一种很有潜力的害虫检测方法。

这些方法中，图像识别法适合检测非钻蛀类害虫，近红外法、电导法、微波雷达法和电子鼻法适合检测粮粒内部钻蛀害虫，声测法、X射线法既可以检测钻蛀害虫也可检测非钻蛀害虫。

现将它们的优缺点概括如下：
害虫检测方法优点缺点
声测法可检测钻蛀和非钻蛀害虫，确定虫害程度，检测轻便，方法简单、快速，灵敏度高不能检测粮食中的死虫，受各种噪声干扰，不易检测早期成长阶段的幼虫
近红外光谱法无损性，快速，不需要准备样本不易检测虫害程度较轻的粮食，且对粮食样本的湿度比较敏感，是一种间接检测方法
X射线法直接，无损性，准确性高，快速，可检测钻蛀和非钻蛀害虫，可区分死虫和活虫不能检测包含虫卵的粮食样本
电导法可检测钻蛀害虫
不易检测有虫卵和小幼虫的粮食，效率低，不能检测粮食中死虫
微波雷达检测法无损性，检测钻蛀害虫，可大规模取样不能检测粮食中的死虫图像识别法检测非钻蛀害虫比较有效
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
电子鼻法快速，简便，不需要样本前处理初步应用，处于实验阶段
4．展望
目前储粮害虫检测技术正朝着快速、准确、无损伤和早期诊断的方向发展，而虫害的早期诊断更为重要，只有在虫害爆发前的潜伏期采取治虫措施才是最经济、最有效的。

近年来粮虫检测取得了一些可喜的成绩，但与人们的期望还存在着较大距离, 因此还有许多研究工作要做。

下面就其未来的发展趋势进行扼要的展望。

(1)近红外光谱法和图像识别法相结合检测幼虫。

图像识别法是用可见光图像检测外部害虫，有明显的缺陷。

所以考虑将二者相结合，研究检测效率高、价格低廉、无污染、准确性高、便于和现有粮库检测系统相连接的储粮害虫自动检测系统。

(2)X射线法和图像识别法相结合检测处于各个生长阶段的害虫。

X射线法有诸多的优点，将它和图像识别法结合，研制出更为先进、更实用的储粮害虫自动检测识别系统，无疑可以达到最佳的检测效果。

(3)声检测和图像识别法相结合的多信息智能检测方法。

利用储粮害虫吃食声定位害虫，与图像识别法综合应用，取长补短，进行害虫的智能检测。

储粮害虫检测技术方兴未艾，上述的储粮害虫检测方法各有所长，也或多或少存在一些不足，要获得良好的检测效果，未来的发展趋势无疑是将多种检测方法有机结合，取长补短，实现准确高效的智能检测。

因此，我们一方面需要不断地研究和探讨新的有效的储粮害虫检测技术，另一方面也要综合利用现有检测方法，以形成多信息融合检测技术，为害虫的综合防治提供可靠的、科学的决策依据，将储粮损失降到最低限度。

相信在广大研究学者的不懈努力下，储粮害虫检测技术将会更成熟、更有效、也更科学。