综述：用于无创检测储藏谷物中害虫侵染的成像技术：综述

《Journal of Plant Diseases and Protection》：Imaging technologies for non-invasive detection of insect pest infestations in stored food grains: a review

　　

摘要

产后昆虫侵害导致的粮食损失是全球粮食安全面临的重大挑战，它不仅造成巨大的经济损失，还会浪费农业资源。目前用于检测储粮害虫的传统方法，如目视检查和陷阱监测，往往耗时费力、具有破坏性，且对早期害虫侵染的检测灵敏度不足。此外，目前还缺乏针对不同成像技术及其与先进人工智能和实时监测系统结合在实际储粮应用中的效果比较研究。因此，本文旨在综述高光谱成像、X射线成像和热成像在检测储粮害虫损害方面的应用，同时探讨深度学习技术在害虫分割与分类方面的最新进展。本研究基于对基于成像技术的害虫检测方法的全面梳理，重点分析了这些技术的运作原理、检测性能、优势、局限性以及与物联网系统的整合方式。研究结果表明，与传统方法相比，成像技术结合深度学习方法显著提升了检测储粮害虫的速度、准确率以及无损检测能力。高光谱成像在检测粮食内部损害方面具有高度敏感性，X射线成像能有效识别隐藏的害虫侵染，而热成像则在快速监测应用中展现出巨大潜力。此外，与物联网的整合使得储粮设施能够实现实时、自动化且可扩展的害虫监测。本文介绍了智能害虫检测技术的进展，并强调了其在提升食品安全、减少产后损失、改善储存管理方式以及推动可持续农业供应链发展方面的政策意义。