利用激光束进行储存产品中的害虫检测与控制的人工智能技术：Insect Laser项目

《Journal of Plant Diseases and Protection》：Artificial intelligence for stored product insect detection and control with laser beams: the Insect Laser project

　　摘要
2017年9月至2021年3月期间，开展了“昆虫激光”项目。该项目由来自仓储产品保护、微集成与激光研究、媒体技术以及人工智能（AI）领域的三个合作伙伴共同完成，旨在实现对成年仓储象鼻虫（Sitophilus granarius；鞘翅目，象甲科）和成年印度谷螟（Plodia interpunctella；鳞翅目，螟科）的图像识别。通过使用照片和短视频片段对系统进行训练，实现了深度学习。培训完成后，系统能够以93%的准确率识别这两种昆虫。用于图像识别的摄像头安装在一维轨道上，该轨道配备有红外LED灯和激光源，与测试室内地面上的昆虫相距500毫米。图像处理采用YOLO v4-Tiny软件完成。摄像头扫描到的昆虫位置坐标会被传输至激光器单元。成年仓储象鼻虫和印度谷螟均通过808纳米（8瓦）或1470纳米（2.5瓦）波长的激光束进行控制，作用时间为500毫秒。研究结果表明，该系统在大规模仓库环境中的应用可行性较低，但在封闭式诱捕器中使用时可保障工作人员安全，并有效实现监测与控制功能。

引言
如今，人工智能（AI）已广泛应用于日常生活中的图像识别领域。在应用昆虫学领域，相关研究文献也不断涌现（Kariyanna和Sowjanya 2024；Meghraj和Choudhary 2024；Chacrabarty等人2025；Goswamiy 2025）。这项技术同样适用于仓储环境，例如用于监测储存产品中的昆虫（Shen等人2013；Shi等人2020；Badgujar等人2023；Sun等人2026），因为许多微小昆虫可能会危害储藏物品，而昆虫分类对仓储人员来说是一项艰巨任务。了解常见的害虫种类对于制定有效的害虫管理措施至关重要。

仓储产品中的昆虫可能出现的原因有三种（Stein 1986；Adler等人2021b）：
1. 昆虫随受感染的原材料、包装材料或托盘进入仓库。
2. 昆虫早已存在于仓库中，并在无人管理的区域、吊顶夹层或其他缝隙中滋生（Dowdy和McGaughey 1998）。
3. 昆虫被适宜的温度、湿度或挥发性物质吸引从外部入侵（Hagstrum 2001；Anukiruthika和Jayas 2025）。随着全球变暖，温带气候地区的虫害压力预计将增加，因为仓储害虫多来自热带地区，更适宜高温高湿的环境。对于已存在的物种而言，年均温度的升高可能导致其繁殖速度加快，每年生成更多代数。此外，地中海地区的害虫似乎正向北迁移至温带地区（Adler等人2022）。

仓储害虫的成虫阶段不仅是繁殖阶段，还会迁移到新的觅食、交配和产卵地点。适宜的场所会通过储存物品释放的挥发性物质或同种昆虫的信息素、其他物种的化学信号吸引它们。为了找到合适的栖息地，仓储害虫能在远近不同距离内识别出这些气味物质（Adhikary等人2016；Ndomo等人2014, 2015）。借助这些挥发性线索，昆虫及其他节肢动物能够有目的地通过开口进入建筑物。仓储害虫甚至能找到微小的孔隙进入漏气的包装（Olsson 2001；Adler 2004；Olsson等人2006；Uechi等人2007；B?ye等人2014）。在短距离内，它们还能利用 antennae 上的特殊感觉器探测到高湿度区域（Loschiavo 1983；Enjin 2017）。根据现有研究发现，首次出现在新仓库或未受感染区域的害虫多为成虫。

人工智能可通过对比学习图像与新拍摄的监控图像来进行训练，从而实现图像识别。早期发现和物种鉴定有助于在及时采取行动的情况下保持产品质量。早期发现与物理控制措施的结合有望在早期阶段阻止严重虫害。同时，这还能降低治理成本并减少对合成杀虫剂的依赖。

“昆虫激光”项目的目标是通过训练 AI 来识别成年仓储象鼻虫（Sitophilus granarius；鞘翅目，象甲科）和成年印度谷螟（Plodia interpunctella；鳞翅目，螟科），这两种具有明显区别的仓储害虫。识别后，系统会将昆虫位置信息传输至激光器，后者会迅速发射高能激光束将其消灭，防止昆虫逃离捕捉位置。

迄今为止，激光控制技术主要应用于综合害虫管理的其他领域：Andreasen等人（2022）的研究展示了使用自主田间机器人进行激光除草；Sosnoskie等人（2025）的研究表明激光除草比使用除草剂更具优势。这两项研究采用了类似的方法——自动光学检测有害生物并通过激光进行控制，体现了人们对这项技术的普遍兴趣。另一个应用昆虫学项目开发了一种名为“光子围栏”的激光系统，用于在野外识别、追踪并消灭携带疟疾的按蚊（Diptera, Culicidae）（Keller 2016；Rakhmatulin 2021）。另有研究比较了该方法与另一种害虫（Diaphorina citri）的识别、追踪和控制效果（Mullen等人2016）。还有研究评估了激光束控制田间蚜虫若虫的效果（Gaetani等人2021）。还有研究团队探讨了用激光束控制白粉虱（Bemisia tabaci）的方法（Zaidem等人2023）。

在本项目中，训练有素的摄像头-AI系统会定期扫描表面。一旦检测到昆虫，图像识别系统会判断其是否为目标害虫。若确定为目标，系统会将位置信息传输至激光器，激光器通过抛物面镜导向目标昆虫进行控制。据我们所知，目前尚无研究将 AI 图像识别和激光技术结合用于仓储产品害虫控制。项目旨在回答以下关键问题：
- 是否能够训练 AI 识别仓储象鼻虫和印度谷螟的图像，并实现高精度检测？
- 移动摄像头能否在几秒钟内扫描表面、对比图像并与存储数据比对，确定目标位置并传递至激光器？
- 是否存在强度足够高的激光束能够在不损伤目标下方储粮的情况下瞬间杀死害虫？
项目资助方（BLE）将 funding 分为两个阶段，并以达成上述目标作为第二阶段启动的条件。

材料与方法
实验使用的害虫包括爬行的仓储象鼻虫（Sitophilus granarius；鞘翅目，象甲科）和飞行的印度谷螟（Plodia interpunctella；鳞翅目，螟科）。这两种昆虫被选为仓储害虫的代表：仓储象鼻虫是主要储粮害虫，失去飞行能力， Elytra和第二对翅膀退化，外骨骼坚硬，常在表面活动；而印度谷螟是一种小型飞蛾，属于螟科害虫，广泛危害食品（如干果、茶叶、坚果、巧克力、谷物等），身体柔软，偏好在墙壁等垂直表面停歇，主要在谷物表面产卵。与其他蝴蝶类似，成虫不进食固体食物，寿命较短，依靠口器吸取液体。在仓储害虫中，幼虫通过取食、排泄物及结网造成主要损害。

印度谷螟在添加了酵母、葡萄糖、糖原和碎杏仁的小麦麸皮上培养（25±1°C，65–70% 相对湿度）。成虫在相同条件下在产卵筛容器中饲养三天，之后弃卵并用于新的培养实验。仓储象鼻虫则在全麦上培养（14±0.5% 水分），每两周更换一次培养材料。这两种昆虫的培养周期均为六周，目前已在JKI实验室保存多年。

为确保安全，激光防护箱由ITEM Industrietechnik GmbH（item24.com，德国索林根）提供的部件组装而成。根据类型4激光的安全规范，箱子门装有锁具，打开时会切断电源（从而切断激光束），以防止激光伤害人体。防护箱由3毫米厚的黑色复合板制成，内部含有聚乙烯芯材（图1）。

实验装置（图1）包括激光防护箱、带水平移动LED灯的摄像头（位于灯中心），激光器安装在LED灯边缘。检测昆虫时使用红外光，图片中显示的灯则发出可见光。测试时，昆虫被释放到箱子底部的颗粒表面，距离摄像头500毫米（照片：P.） Kern, JKI)相机、灯具、激光和图像识别
本研究使用的相机包括Kamera HXC40NIR、Kamera HXC40c以及microEnable IV VD4 -CL相机采集器（Baumer.com，Baumer GmbH，德国Friedberg）。这些相机每秒可记录30帧图像，每帧分辨率为2048×2048像素。所使用的灯具是Falcon公司（falconeyeshk.com，中国香港）提供的LED光源（RGB类型），其设计考虑到了相机观测的需求。此外，实验设备中还配备了Framos GmbH（framos.com，德国Taufkirchen）生产的红外（iR）LED灯和Smartek Strobe控制器HPSC1-E。

在项目的前18个月内，我们选择了一套图像识别系统。该相机对红外光敏感，分辨率为2048×2048像素，而红外光源的波长为850纳米。选择这一波长是因为昆虫在红外范围内没有视觉能力，因此不会受到监测光束或控制光束的影响（详见下文）。我们希望通过使用这两种物种的图像数据进行训练，使AI系统能够高度准确地检测谷象虫或印度谷蛾，并将它们与平滑的背景或小麦颗粒表面区分开来。在图像识别过程中，与纸张等光滑表面相比，谷物等实物表面也会对识别结果产生影响，因此AI系统需要在机器学习（深度学习）的过程中学会区分昆虫与谷物颗粒之间的间隙和阴影。

为了加速训练数据的处理速度，我们从单个相机帧中生成了16个512×512像素的子帧。这种帧尺寸被证明是适合昆虫大小和数据处理的最佳选择。我们还探讨了使用脉冲激光束以减少对表面的加热或烧灼效应。Festo GmbH（festo.com，德国Esslingen）提供的移动定位系统将相机和灯具固定在激光箱的天花板上，并允许其沿单轨进行双向移动。

激光装置的关键组件包括：激光器（DILAS公司生产的808纳米波长光纤耦合二极管激光器，以及IZM公司生产的1470纳米波长光纤耦合二极管激光器）、光束成形及静态偏转单元（由Thorlabs公司提供的光学机械框架系统中的抛物面镜），以及工业级振镜扫描仪（Raylase公司，德国）。这两种波长的激光器分别用于测试对成年谷象虫和干果蛾的控制效果，以及它们对谷物、木材和金属的影响。我们在被激光束照射的表面放置了PT1000温度传感器以监测温度变化。

通过选定的系统，我们能够准确检测到成年谷象虫和成年印度谷蛾。利用神经网络处理约94,000组数据后，识别率达到了93%（响应时间仅为40毫秒）。图2展示了通过蓝色和红色圆圈标出的昆虫识别过程。检测到的昆虫位置数据可在约50毫秒内传输至激光器。通过将数字图像处理软件Matlab切换至开源的YOLOv4-Tiny软件（用于自动驾驶领域），实现了快速的位置数据传输。

图中红色和蓝色圆圈分别代表被系统识别出的单个昆虫或谷象虫，绿色圆圈则表示谷物颗粒间的空隙（照片来源：K. Gro?e，BTU）。

为了确保激光精确瞄准目标昆虫，我们使用了一台发射红外光的试验激光器，并由红外相机进行记录（图3）。此外，用于物理控制的激光器必须能够发射出足够强但不会导致谷物或其他表面烧伤或变黑的激光束。

808纳米激光器产生了更明显的外部效应：在8.44瓦的光功率下，蛾子的翅膀受到了损伤，出现了收缩和变黑现象；谷象虫的外骨骼也出现了轻微变色。所有测试的昆虫均被杀死，这两种昆虫均会释放气味，但没有产生烟雾。两种昆虫在处理后均未对谷物颗粒造成可见损伤，即使在使用高达13瓦的光功率时也不例外。只有在功率达到33瓦时，谷物表面才出现了轻微的变黑现象。木材的表现比谷物更为敏感，但在所需的激光功率范围内（808纳米时约8瓦，1470纳米时约2.5瓦，作用时间分别为500毫秒和500-2000毫秒），也未出现损伤。使用PT1000传感器测量得出的表面温度显示：808纳米激光器在8.44瓦功率下500毫秒后的温度为90℃，而1470纳米激光器在2瓦功率下仅为55℃（图4）。

**讨论**
在谷物表面上控制成年昆虫不会直接损坏颗粒，但会留下死亡个体作为潜在污染物。如果能在雌虫产卵前将其消灭，就能预防虫害的发生。这些死亡个体可以通过常规的谷物清洗流程清除。

1470纳米激光是一种广泛应用于医疗手术和光学工业加工的标准激光器，因此成本相对较低且产量较大。由于其在较低能量输入下仍能取得良好效果，因此实际应用中更具经济性。该激光对生物体内的软组织具有更显著的杀伤效果，即使只需2瓦的功率和500毫秒的作用时间也能产生效果，这归因于该波长在液体中的良好吸收特性（Ubaid，2016年）。

项目结束时，我们需要一个能够实现水平和单轴移动的相机系统，移动速度为20毫米/秒，作用距离为500毫米以完成图像识别。红外光足以满足检测需求，且不会影响昆虫的行为。由于图像识别需要保持预训练的像素质量，相机无法直接朝墙壁方向转动以扫描角落或垂直表面，因为这种移动会改变昆虫与相机之间的距离。尽管理论上可以实现变焦和自动对焦功能以提升远距离识别效果，但在本项目中技术上不可行。目前尚不计划直接将整个系统商业化，因为实用原型尚未开发完成。不过，配备AI的诱捕系统即使在较短的作用距离内也可能发挥作用。将激光装置安装在诱捕器内部可以提升操作安全性，避免死亡昆虫污染食品加工区域。Phillips和Throne（2010年）指出：“加工设施和仓库通常依赖诱捕器数据进行决策，这一流程还需进一步研究优化。”因此，利用AI进行自动害虫监测是一个新兴技术，有望帮助农民和食品行业更快响应并做出更明智的决策。特别是将AI与激光等物理控制手段结合使用显得尤为可行。在具有密闭结构和良好卫生标准的现代食品工厂中，成年昆虫可能是偶尔出现的入侵者；此时，具备吸引、识别、计数并控制昆虫功能的诱捕系统并将数据传递给质量管理部门的措施将具有重要意义。

鉴于当前世界经济危机、全球变暖、疫情、能源冲突和战争等因素对国际贸易的干扰，食品安全问题再次成为公众关注的焦点。此外，关于储存产品保护的研究以及光学监控与AI的结合仍是一个值得探索的方向。