引言

随着农业现代化进程的进一步推进，智慧农业、数字农业、精准农业等概念应运而生，传统农业逐渐向现代化农业转型，其基础都是物联网技术的发展[1,2]。农业物联网通过农业信息感知设备、现代通讯技术、信息智能化处理技术、信息可视化技术将各农业要素，包括环境要素、农业生产工具、动植物、人等紧密联系在一起，帮助人类更加精准、灵活、及时地发现、管理、控制农业生产过程中的各个环节，从而达到提升执行力、减少劳动力、提高生产力的目的[3]。

农业虫害是影响农作物产量的一个重要因素，因此农业害虫的测报工作是农业生产环节中必不可少的一部分，对虫害防治、粮食增产具有重要意义[4]。随着物联网技术的发展，高效、准确的农业害虫自动化测报逐渐取代了费时、费力的人工测报。农业害虫测报成为物联网技术在农业生产领域的一个重要应用。

1、研究与应用现状

物联网技术涵盖了传感技术、网络通信技术、智能信息处理技术等诸多方面，而在农业害虫测报这一特定场景下，这些技术的选择和使用都有其特殊要求。一个应用于农业害虫测报的物联网系统与其他物联网系统具有共性，又因其运用场合和功能需求而有其特性。此类系统最常用的层次结构为四层结构，即感知层、传输层、服务层、应用层[5]，对应的层次模型如图1。而其构成一般包括数据采集终端、无线通信网络、云平台、可视化软件[6,7,8]，其基本架构如图2，数据采集终端（感知层）负责采集与农业害虫有关的原始数据，并通过无线通信网络（传输层）将数据上传至云平台（服务层），云平台负责数据的处理与存储，而用户通过WEB网页、手机APP等可视化软件（应用层）实现对农业害虫测报结果的查询。

农业害虫测报主要是对害虫种类和数量的测报，其核心是害虫的识别与计数。害虫的识别与计数方法主要有声音信号识别与计数、红外传感器监测计数、图像识别与计数等[9]。声音信号识别与计数依据害虫的声学特征对害虫进行识别与计数，但该方法易受噪音干扰，不适用于大田等野外环境。红外传感器监测计数方法用对射式或反射式红外传感器对落入诱捕器中的害虫产生的脉冲信号进行计数，但该方法无法对害虫种类进行准确的判别且对落入的干扰物不敏感。而机器学习，尤其是深度学习在图像识别上的应用使得基于图像的害虫识别与计数方法成为农业害虫测报研究的热点，该方法具有准确率高、抗干扰能力强的优点，应用最为广泛。下文主要介绍物联网技术在基于图像识别的农业害虫测报方面的应用。

图1农业害虫测报系统的物联网层次模型

图2农业害虫测报系统的基本架构

1.1感知层

感知技术是物联网的基础，传感器是感知技术的核心[10]。用于农业害虫测报的物联网系统的感知层主要实现害虫原始数据的获取，即害虫诱捕与害虫图像采集。害虫诱捕方法包括光谱诱捕、性信息素诱捕等。害虫图像采集一般采用CMOS图像传感器，因为其价格与功耗相较于CCD图像传感器均较低。农业害虫测报系统的采集终端位于分散的野外，一般采用太阳能供电，这要求所使用的传感设备具有较低的功耗，CMOS图像传感器更符合其要求，且目前的CMOS图像传感器已拥有较高的分辨率，可以符合图像清晰度的要求。除了图像传感器外，用于农业害虫测报的物联网系统的感知层还可配备光温水气热等常规环境传感器，用于测量温度、湿度、光照强度、二氧化碳浓度、土壤酸碱度等环境参数，用于分析农业虫害与环境变化之间的关系。处理器的选择主要依据采集终端对控制、运算、存储能力的要求，Arduino、RaspberryPi等都是常见的选择。常用的采集终端结构如图3。

图3常用的采集终端结构

1.2传输层

通讯技术是物联网的关键，由于农业环境的特殊性与复杂性，农业物联网与工业物联网在数据传输上有很大的区别，对通讯技术也有不一样的要求[11]。常用的无线通信技术有ZigBee、WIFI、Bluetooth、Lora、GPRS、4G等，其性能对照表见表1。由于农业害虫测报系统的采集终端位于网络资源较差的野外环境，且具有分散、繁多的特点，所以进行区域无线组网对节约网络资源、优化系统网络结构具有重要意义。基于物联网的农业害虫测报系统的常用网络拓扑结构如图4。考虑到图像传输对传输速率的要求，以及节点分布对传输距离的要求，现一般采用WIFI+4G的通信模式。采集终端节点通过WIFI将数据传输到网关节点，网关节点汇聚周边终端节点的数据，再通过4G网络传送至云平台，网关节点承担数据转发与协议转换[12]的任务。而5G时代的到来或许会打破现有模式，建立新的模式。

表1常用无线通信技术性能对照表

图4害虫测报系统的常用网络拓扑结构

通信协议的选择对于数据传输的高效性和完整性同样至关重要。在互联网系统建设中，HTTP协议占据优势，但在物联网系统，尤其是农业物联网系统中，轻量级的通信协议更能满足要求，如低功耗、低带宽的MQTT协议[13]、CoAP协议等。目前，还没有建立规范化、标准化的农业物联网技术体系，所以农业物联网的异构化特点非常明显。在通信协议方面，很多基于物联网的农业害虫测报系统在其数据传输过程中采用自定义的通信协议。

1.3服务层

信息处理技术是物联网的核心，决定着整个系统的根本功能的实现。建立以云服务器为基础的云平台是一种常用的物联网技术，依靠云服务器强大的计算能力和丰富的存储空间进行数据的处理、聚合、存储等，同时还可以对海量数据进行数据挖掘，建立复杂的分析模型、决策模型等。农业害虫测报系统的云平台的基本功能是进行害虫图像的识别与计数，并将数据存入数据库中，为应用层提供数据来源和服务支持。

云平台具备网络、存储、计算的能力。在网络方面，农业害虫测报系统中的下层节点众多，具有高并发的特点，因此云平台的搭建涉及负载均衡技术[14]。在存储方面，云平台中的数据具有不同的类型，主要分为两类，一是害虫图像，二是其他数据，包括环境参数数据、位置信息、害虫数量信息等，一般云存储对象用以存储害虫图像，云数据库用以存储其他数据。在计算方面，云平台中的主要计算任务即是对害虫图像的识别与计数，也即图像处理。

随着图像处理技术的发展，尤其是机器学习在模式识别领域的广泛应用，农业害虫图像识别的准确率越来越高，国内外关于农业害虫图像识别的研究不断取得新的进展。近两年，杨信廷，等[15]提出一种基于Prewitt、Canny边缘检测算子分割和SVM的图像识别算法，对粉虱和蓟马成虫的识别率分别达到96.0%和91.0%。张博，等[16]提出一种基于空间金字塔池化的深度卷积神经网络算法，对三化螟、暗黑锶金龟等20种农作物害虫的平均识别准确率达到88.07%。肖德琴，等[17]提出了一种基于结构化随机森林的害虫图像分割算法和利用不规则结构的特征提取算法，对实蝇等3种蔬菜害虫的平均识别正确率为94.89%。陈娟，等[18]提出一种基于改进残差网络的园林害虫图像识别方法，对大黑锶金龟等38种园林害虫的平均识别准确率达到91.4%。Dan，等[19]在其开发的基于图像和环境传感网络的温室害虫自动监测系统中运用基于颜色特征和SVM的害虫图像识别方法，达到93%的检测准确率。Leqing，等[20]利用深度卷积神经网络（DCNN）和支持向量机（SVM）的方法识别鳞翅目物种图像，在其测试的图像中，识别准确率达到100%。农业害虫图像识别的准确率在不断提升，能够识别的害虫种类也在不断增加，一些体型微小、形态相似的农业害虫一直是测报工作中的难点，而由于一系列深度学习算法的出现，对于这些微小害虫的识别也取得了很大的进步。

1.4应用层

物联网不仅要实现物-物互联，也要实现物-人互联，应用层提供了用户与物联网系统交互的媒介，主要形式有WEB网页、手机APP等，涉及WEB开发技术与APP开发技术等。通过WEB网页和手机APP，用户可以清楚、直观、便捷地获取害虫测报的结果，也可根据需要定制其他功能，农业害虫测报系统的应用层功能框图如图5。

图5农业害虫测报系统的应用层功能框图

2、关键问题

2.1供电与能耗方面

农业害虫测报系统的数据采集终端依赖于太阳能供电，而天气因素存在很大的不确定性，当较长时间的阴雨天气导致储电设备中的电能耗尽，系统将陷入瘫痪，为了减少甚至避免这样的情况，在设计开发时必须考虑设备的功耗问题，低功耗是在器件选型、电路设计时必须考虑的一个重要指标[21,22]。在这一点上，农业物联网比工业物联网具有更高的要求。

2.2信息传输方面

在大田、林园等农业环境中，网络资源匮乏，而用于害虫测报的原始数据属于图像、音频一类的大文件，这对网络传输技术提出了更高的要求，必须选择合理的通信机制和轻量级的通信协议，尽可能节约网络资源，降低功耗，同时保证数据传输的可靠性、完整性、安全性。

2.3管理与实施方面

害虫数据采集终端的分布具有多而散的特点，所以高效、有序地管理各个节点，同时提高稳定性、降低故障率，是物联网技术在农业害虫测报自动化方面真正得以应用的关键。

3、发展方向

物联网技术在农业害虫测报方面的应用一直在不断取得突破，同时也存在进一步研究的意义和进一步发展的潜力，其发展方向包括以下几个方面：

3.1集成化发展

农业害虫自动化测报是农业智能化的一部分，用于农业害虫测报的物联网系统和其他农业物联网系统的异构整合可以促进农业生产、管理、控制的一体化、集成化，从而进一步推动农业现代化的发展。

3.2数据资源的利用

农业物联网提供了海量的农业生产数据，通过数据挖掘、深度学习等技术可以建立各种分析预测模型，用以指导农业生产，比如通过对害虫测报数据与环境监测数据的分析整合建立虫害预测模型。

3.3边缘计算与雾计算的引入

大量的害虫图像传输需要消耗大量的网络资源，边缘计算、雾计算[23]与物联网的结合[24,25]可以使得部分数据清洗、筛选的工作从云端转移到边缘设备，从而避免无效、多余数据的传输占用网络资源。

4、总结与展望

应用于农业害虫测报的物联网技术涵盖传感仪器技术、网络通信技术、智能信息处理技术、自动控制技术、大数据挖掘技术、机器学习、Web开发技术等诸多方面，这些技术促进了农业害虫测报的精准化、自动化、便捷化，对提升农业虫害综合治理水平起到重要的推动作用。而随着科技的不断进步和研究的不断深入，会有更多的先进技术融入其中，不断推动农业现代化的发展。

参考文献：

[1]李道亮,杨昊.农业物联网技术研究进展与发展趋势分析[J].农业机械学报,2018,49(01):1-20.

[2]郑纪业,阮怀军,封文杰,等.农业物联网体系结构与应用领域研究进展[J].中国农业科学,2017,50(04):657-668.

[3]葛文杰,赵春江.农业物联网研究与应用现状及发展对策研究[J].农业机械学报,2014,45(07):222-230+277.

[4]周志艳,罗锡文,张扬,等.农作物虫害的机器检测与监测技术研究进展[J].昆虫学报,2010,53(01):98-109.

[5]陈海明,崔莉,谢开斌,等.物联网体系结构与实现方法的比较研究[J].计算机学报,2013,36(01):168-188.

[6]殷建军,潘春华,肖克辉,等.基于无线图像传感器网络的农田远程监测系统[J].农业机械学报,2017,48(07):286-293.

[7]肖德琴,傅俊谦,邓晓晖,等.基于物联网的桔小实蝇诱捕监测装备设计及试验[J].农业工程学报,2015,31(07):166-172.

[8]陈梅香,郭继英,许建平,等.梨小食心虫自动监测识别计数系统研制[J].环境昆虫学报,2018,40(05):1164-1174.

[9]陈梅香,杨信廷,石宝才,等.害虫自动识别与计数技术研究进展与展望[J].环境昆虫学报,2015,37(01):176-183.

[10]何勇,聂鹏程,刘飞.农业物联网与传感仪器研究进展[J].农业机械学报,2013,44(10):216-226.

[11]杨伟,何杰,万亚东,等.物联网通信协议的安全研究综述[J].计算机科学,2018,45(12):32-41.

[12]李继蕊,JiruiLI,李小勇,等.物联网环境下数据转发模型研究[J].软件学报,2018,29(01):196-224.

[15]杨信廷,刘蒙蒙,许建平,等.自动监测装置用温室粉虱和蓟马成虫图像分割识别算法[J].农业工程学报,2018,34(01):164-170.

[16]张博,张苗辉,陈运忠.基于空间金字塔池化和深度卷积神经网络的作物害虫识别[J].农业工程学报,2019,35(19):209-215.

[17]潘春华,肖德琴,林探宇,等.基于SVM和区域生长结合算法的南方主要蔬菜害虫分类识别[J].农业工程学报,2018,34(08):192-199.

[18]陈娟,陈良勇,王生生,等.基于改进残差网络的园林害虫图像识别[J].农业机械学报,2019,50(05):187-195.

[21]卢宁宁,张海鹏,杨悦,等.近零功耗物联网及其关键技术研究[J].无线电通信技术,2019,45(04):343-350.

[22]姚引娣,王磊,海小娟,等.基于农业物联网的低功耗智能温室监控系统[J].西安邮电大学学报,2019,24(02):78-83.

[23]贾维嘉,周小杰.雾计算的概念､相关研究与应用[J].通信学报,2018,371(05):157-169.

包晓敏,汪静波.物联网技术在农业害虫测报方面的应用与发展[J].新疆农机化,2020(05):25-29.

基金:浙江省重点研发计划项目(2018C02027)