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。