基于聲信號的儲糧害蟲檢測方法的研究與發(fā)展

郭 敏 張麗娜，2

基于聲信號的儲糧害蟲檢測方法的研究與發(fā)展

郭 敏1張麗娜1，2

(陜西師范大學(xué)計算機科學(xué)學(xué)院1，西安 710062)
(寶雞文理學(xué)院計算機科學(xué)系2，寶雞 721000)

有效減少糧食產(chǎn)后損失是世界關(guān)注的熱點問題，與傳統(tǒng)的檢測方法相比，基于聲信號的儲糧害蟲檢測法憑借其環(huán)保、無損、快速、靈敏度高等優(yōu)點，日漸受到重視。從早期使用單一傳感器檢測糧蟲的振動或聲信號，到使用傳感器陣列、碰撞聲發(fā)射及聲譜庫等，儲糧害蟲聲檢測法逐漸成熟。綜述30余年國內(nèi)外儲糧害蟲聲檢測法的發(fā)展歷程及研究成果，對比不同時期多種聲檢測方法的優(yōu)點及局限性，并提出當(dāng)前聲檢測方法的研究難點及今后需要解決的問題。

儲糧害蟲 聲檢測方法 傳感器

當(dāng)前糧食收獲后，由于儲存、運輸?shù)拳h(huán)節(jié)的疏漏所致的產(chǎn)后損失已成為世界關(guān)注的熱點問題。聯(lián)合國糧農(nóng)組織調(diào)查數(shù)據(jù)顯示，全世界每年糧食蟲害損失5%，而中國國家糧食局調(diào)查數(shù)據(jù)顯示，中國糧食產(chǎn)后損失高達8%～10%，降低糧食產(chǎn)后損失刻不容緩。

儲糧害蟲的實時檢測是降低糧食產(chǎn)后損失的重要手段，目前國內(nèi)外在儲糧害蟲檢測領(lǐng)域有多種方法，其中聲檢測法具有環(huán)保、無損、快速、靈敏度高等特點。上世紀80年代至今，儲糧害蟲聲檢測法從最初使用一個傳感器檢測糧蟲的振動或聲信號，發(fā)展到使用傳感器陣列、碰撞聲發(fā)射、聲譜庫及超聲檢測等方法，綜述30年間國內(nèi)外儲糧害蟲聲檢測法的發(fā)展歷程及研究方向。

1 儲糧害蟲聲檢測方法發(fā)展歷程

儲糧害蟲聲檢測法的原理大多是利用傳感器獲取糧倉中害蟲的活動聲和咀嚼聲，將信號放大、濾波后，利用數(shù)字信號處理方法分析信號聲頻譜特征。早在1924年 Brain［1］利用機電設(shè)備檢測到水果中害蟲的咀嚼聲，證明了聲檢測法在農(nóng)產(chǎn)品檢測方面的可行性。1953年Adams等［2］檢測出受損糧食中害蟲的活動聲，人們開始將聲學(xué)技術(shù)應(yīng)用于糧蟲檢測，但受當(dāng)時技術(shù)條件的限制和對昆蟲習(xí)性知識的缺乏，此項技術(shù)并沒有得到實際應(yīng)用。直到20世紀80年代，計算機的廣泛應(yīng)用與聲學(xué)技術(shù)的快速發(fā)展，才使儲糧害蟲聲檢測法的研究真正活躍起來。

1．1 儲糧害蟲聲檢測法應(yīng)用初期

早期的聲檢測裝置大多使用單個傳感器檢測谷物中害蟲的聲音或振動，經(jīng)過信號處理后進行特征分析。1987年Litzkow等［3］設(shè)計了一種檢測谷物中隱藏幼蟲的聲檢測系統(tǒng)。如圖1所示，谷物樣本置于振動膜上，通過波導(dǎo)管將害蟲聲傳給麥克風(fēng)，同時聲音信號被轉(zhuǎn)換為電信號，經(jīng)過放大、濾波，送至示波器，喇叭或耳機監(jiān)聽，計算機統(tǒng)計并記錄結(jié)果。1988年Webb等［4］在此基礎(chǔ)上加以改進，將谷物樣本放置于消音室，降低了噪音的干擾，并對蟲害危害程度做出初步估計。此方法通過幼蟲吃食的時間和頻率得出各種不同谷物中隱藏幼蟲的生長率，是儲糧害蟲聲檢測法的一大進步。但由于試驗所用波導(dǎo)管充當(dāng)了共鳴器的角色［5］，可能使檢測到的害蟲聲音失真，影響了結(jié)果的精確度。

圖1 早期的儲糧害蟲聲檢測方法

1990年Litzkow等［6］設(shè)計了“檢測儲糧害蟲的壓電裝置”，通過監(jiān)測谷物樣本中的振動情況檢測蟲害并估計害蟲密度。如圖2所示，探針底部安裝一個壓電麥克風(fēng)，探針插入谷物后，振動頻率高于500 Hz時會形成電流，經(jīng)過放大、濾波，耳機監(jiān)聽并降噪錄音，隨后使用快速傅里葉變換(FFT)設(shè)備 Nicolet 660A及計算機分析對比聲音。此裝置應(yīng)用如下:(1)在高10 cm、直徑14 cm、容積為4 L的瓶子中確定9個位置，通過統(tǒng)計害蟲1 min內(nèi)分別在這些位置產(chǎn)生的振動數(shù)量，估計害蟲密度;(2)在1個20 L的谷物罐中確定9個位置，每20 s監(jiān)聽1次，確定每個位置檢測到聲音的幾率。此方法證明谷物中的振動數(shù)量越多幼蟲密度越大，且振動的數(shù)量或電壓峰值與幼蟲數(shù)目呈非線性關(guān)系，出現(xiàn)非線性增長可能是由于試驗無法區(qū)分同時增加的害蟲聲音和振動，為下一步的研究指明了方向。但由于探針底部壓電麥克風(fēng)的靈敏度會隨著壓力的增加而減弱［5］，此方法也具有一定的局限性。

圖2 檢測儲糧害蟲的壓電裝置

1．2 儲糧害蟲聲檢測方法的成熟期

20世紀90年代中期，儲糧害蟲聲檢測方法有了巨大的發(fā)展［7－8］。1993 年 Shuman 等［9］設(shè)計了第一代“聲探測昆蟲定位檢測器”(ALFID1)，依據(jù)聲音傳播時間與傳播距離成正比關(guān)系，采用多個壓電換能器實現(xiàn)害蟲的定位并統(tǒng)計儲糧害蟲的數(shù)量。如圖3所示，來自壓電聲換能器的聲信號被傳送至16路通道的電子線路板，放大信號，濾波并檢測閾值。隨后將結(jié)果接入一塊集成了26個集成電路邏輯芯片的邏輯電路板，實現(xiàn)捕獲、辨認、寄存第1、2個最先接收到閾值的通道所對應(yīng)的換能器，結(jié)果送入計算機，單位間隔時間內(nèi)使用ALFID1軟件對數(shù)據(jù)收集、匯總、分析并確定害蟲的行走路徑。利用換能器陣列中兩相鄰換能器識別同一聲音，得到時間延遲數(shù)據(jù)，從而定位聲源位置。其缺點是只能較好地檢測谷物樣品中僅有1只害蟲的情況，多于1只時由于聲音不易分離，不能準(zhǔn)確計數(shù)。Shuman等于1997年將ALFID1改進為“聲探測昆蟲特征檢測器”(ALFID2)，使用2個分開一定距離的傳感器檢測到2只害蟲的概率為100%，使用一個傳感器檢測到2只害蟲的概率為70%，提高了對多只害蟲檢測的準(zhǔn)確率［10］。這一算法分辨小麥樣品中隨意位置2只害蟲產(chǎn)生聲信號的概率可達90%，更好地解決了聲源定位問題，并已被美國糧食檢查部門用于對外出口糧食評級［11］。Mankin 等［12－13］對檢測系統(tǒng)再次改進，增加了一個操作簡便的屏蔽箱，能將1～10 kHz的噪音降到60～90 db，有效地克服了ALFID2在環(huán)境噪音較大的情況下檢測性能較差的缺點。

圖3 ALFID1模型檢測框圖

由于儲糧害蟲聲信號較弱且在檢測過程中易受傳感器噪聲和環(huán)境噪音等多方面的干擾，致使有用信號經(jīng)常被淹沒［14］。1997 年 Hickling等［5］發(fā)明了“檢測儲糧害蟲的聲傳感器系統(tǒng)”，如圖4所示，檢測系統(tǒng)由兩個嵌套的隔音箱(內(nèi)箱和外箱)組成，可有效隔離外部聲音和振動，內(nèi)箱中放置多個改進的傳感單元，組成傳感器陣列。每個傳感單元內(nèi)的靜電麥克風(fēng)上放置一個聽診器頭，以增強麥克風(fēng)靈敏度。將谷物樣本置于聽診器上，靜電麥克風(fēng)24 h持續(xù)監(jiān)測，經(jīng)過放大、濾波，最后通過多路選擇開關(guān)將任意一個傳感器的輸出信號傳至耳機或發(fā)光二極管(LED)顯示屏。該方法在降噪及靈敏度等方面實現(xiàn)了較大進展，但檢測方法仍然沒有突破早期的聲模型限制。

圖4 檢測儲糧害蟲的聲傳感器系統(tǒng)

1．3 儲糧害蟲聲檢測方法新進展

20世紀末至今，在原有聲檢測模型的基礎(chǔ)上，人們開始將一些新興技術(shù)應(yīng)用于儲糧害蟲檢測中。1998年Coggins等［15］提出使用時延人工神經(jīng)網(wǎng)絡(luò)進行儲糧害蟲聲檢測，并根據(jù)振幅、頻譜和聲音持續(xù)時間來區(qū)分糧倉中的幼蟲聲、成蟲聲、谷物掉落聲和外部噪聲。試驗以米象為例，如圖5所示，多個壓電換能器在圓柱體容器中沿內(nèi)側(cè)線性排列，每個壓電換能器內(nèi)置一個放大電路，以減少聲音的衰減。將受幼蟲侵蝕的麥粒放置于兩個壓電換能器中間(受成蟲侵蝕的麥粒放置位置則不予限制)，壓電換能器將檢測到的聲波轉(zhuǎn)換為電信號，隨后放大并濾波。數(shù)字式錄音機(DAT)對數(shù)據(jù)取樣并轉(zhuǎn)換為數(shù)字信號，采樣率和采樣位分別為48 kHz和16 bit。LabVIEW(美國國家儀器公司的圖形化編程軟件)控制DAT，將數(shù)據(jù)轉(zhuǎn)化為人工神經(jīng)網(wǎng)絡(luò)可用的格式。奔騰工作站收集數(shù)據(jù)并使用NeuroSolutions(神經(jīng)網(wǎng)絡(luò)仿真軟件)模擬網(wǎng)絡(luò)完成分類。在此試驗條件下，包括20個處理單元和50個分接頭的接收器具有最優(yōu)性能，對成蟲每小時出現(xiàn)83個虛警的檢測率為100%，每小時50個虛警的檢測率為95%;幼蟲每小時28個虛警的檢測率為100%，27個虛警的檢測率為95%，實現(xiàn)了較高的檢測率，但其檢測結(jié)果受信號強弱影響較大，并且網(wǎng)絡(luò)拓撲結(jié)構(gòu)仍需進一步改進。

圖5 使用人工神經(jīng)網(wǎng)絡(luò)的檢測框圖

2005 年 Rodriguez Gobernado等［16］提出通過噪聲、害蟲咀嚼聲和害蟲發(fā)出的次聲波振動來檢測、分類并得到儲糧害蟲分布密度的檢測裝置及方法。如圖6所示，檢測裝置由探測桿和頂蓋兩部分組成，探測桿內(nèi)包含2個縱向分布的檢測模塊，探測桿末端是圓錐形的鉆頭，內(nèi)置了溫度和濕度傳感器。頂蓋中的電子系統(tǒng)能確保從檢測模塊中獲取數(shù)據(jù)并對數(shù)據(jù)進行處理。探測桿插入谷物后，電子系統(tǒng)獲取并處理聲音數(shù)據(jù)，通過電纜將結(jié)果傳送至計算機，存儲并打印。該電子系統(tǒng)的處理過程包括:錄制谷物中的實際噪聲;消除已知的雜散噪聲;從與峰值能量對應(yīng)的窗口獲得包絡(luò)能量曲線并確定其平均頻率、譜寬和總能量;比較平均頻率和每個窗口寬度，從而實現(xiàn)分類;通過比較平均頻率與每個窗口的總能量得到害蟲的分布密度。此方法操作簡便，對早期的探測桿加以改進，分析多種信號特征，提高了檢測的準(zhǔn)確率并能同時完成多種檢測功能。

圖6 檢測框圖

2006年Fleurat Lessard F等［17］提出基于儲糧害蟲活動聲譜的分類方法，可檢測害蟲并識別其生長階段。如圖7所示，系統(tǒng)將3對壓電傳感器分別固定在一個金屬圓柱探測器的3個水平位置，探測器長為1．4 m，直徑為50 mm，頂部包括一個與聲傳感器連接的電子系統(tǒng)，電子系統(tǒng)中的處理單元可處理來自聲傳感器的聲譜數(shù)據(jù)。每個傳感器后方封裝了電子放大器，將傳感器接收到的聲信號放大并傳至處理單元。處理單元每隔2 min從每層傳感器獲取聲信號，轉(zhuǎn)化為數(shù)字信號，并將接受到的每一個聲譜與數(shù)據(jù)庫中的聲譜進行對照，識別害蟲主要種類及其侵害程度，當(dāng)侵害程度達到或者超過某一臨界值之后，在用戶圖形界面以報警形式提示用戶。聲譜數(shù)據(jù)庫中包含了數(shù)百個由害蟲生長階段(成蟲或幼蟲)、害蟲種類和谷物類型3個條件不同組合時的標(biāo)準(zhǔn)聲譜。試驗以不同成長階段的米象和谷蠹為研究對象，得出:(1)成蟲活動聲譜有2個峰值能量，幼蟲聲譜只存在1個低頻范圍的峰值;(2)害蟲密度與聲音頻率有關(guān)。對于10 kg麥粒存在1只米象成蟲的害蟲密度，溫度降至臨界溫度15℃時，檢測到這只米象成蟲的概率高于95%。對于1 kg麥粒中存在1只米象幼蟲的害蟲密度，溫度高于14℃時，檢測到這只幼蟲的概率為95%;(3)記錄2 min內(nèi)米象幼蟲的聲音，聲音的個數(shù)與糧倉溫度呈線性關(guān)系，但相關(guān)系數(shù)較低;(4)米象幼蟲活動的低溫臨界溫度為9℃。在此之前的各種檢測方法能夠檢測到的最低害蟲密度為每千克谷物中存在一只害蟲［6－7，9，18］，而上述方法可實現(xiàn)更低害蟲密度的檢測，并且能夠在出現(xiàn)較嚴重害蟲侵害之前預(yù)測，提早準(zhǔn)備補救措施，實現(xiàn)安全儲糧［19－21］。

圖7 利用聲譜檢測、識別害蟲生長階段的分類系統(tǒng)

2007 年 Pearson 等［22－23］首先將碰撞聲發(fā)射模型用于小麥鉆蛀害蟲的檢測，設(shè)計出分揀小麥無損粒與蟲害粒(Insect Damage Kernel，簡稱IDK)的碰撞聲發(fā)射系統(tǒng)。如圖8所示，“振動給料機”振動麥粒使其掉落在一個7．5 cm×5．0 cm×10 cm的不銹鋼盤上，在不銹鋼盤附近放置2個頻率高達100 kHz的靈敏麥克風(fēng)，捕捉麥粒碰撞鋼盤產(chǎn)生聲發(fā)射的超聲波，并將信號數(shù)字化，2個麥克風(fēng)靈敏度分別為314 mV/Pa和31．4 mV/Pa。麥粒掉落時，與麥克風(fēng)位置相對的光觸發(fā)器被觸發(fā)，采集數(shù)據(jù)。經(jīng)過濾波、去噪，計算機接收來自2個麥克風(fēng)的2 000個數(shù)據(jù)點并提取特征。Pearson分別使用3種方法提取信號特征［24］:(1)對時域信號建模，利用威布爾曲線擬合挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為88．8%和86．6%;(2)計算短時窗內(nèi)信號的差異，可模擬局部信號變化，挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為85．2%和76．2%;(3)分析頻譜幅度，使用漢明窗對每個信號進行256點離散傅里葉變換，挑選完好麥粒和蟲害粒的準(zhǔn)確率分別為87．4%和85%。同時使用上述3種方法中的所有特征，挑選無損粒的準(zhǔn)確率為98．0%，IDK的準(zhǔn)確率為84．4%，吞吐率達到40個/s，信號處理時間也僅為20 ms，極大地提高了分類的準(zhǔn)確率以及分揀速度。碰撞聲發(fā)射法檢測蟲害粒準(zhǔn)確率高，分類費用低，具有廣泛的應(yīng)用前景。未來的試驗需要擴大這一方法的適用范圍，使其能夠檢測出其他類型谷物的損壞粒。

圖8 碰撞聲發(fā)射系統(tǒng)

2 我國儲糧害蟲聲檢測方法的發(fā)展

多年來，我國儲糧害蟲檢測大多使用取樣器方法，聲檢測方法的研究尚處于起步階段。尚志遠等對儲糧害蟲爬行聲的時頻特征以及處理方法做了初步研究，發(fā)現(xiàn)害蟲爬行聲的時頻特征與蟲類、糧食種類等均有關(guān)系。隨后耿森林等［25－26］做了如下研究:(1)建立了糧食中害蟲活動的聲發(fā)射理論模型的無規(guī)聲源模型;(2)研究害蟲在糧食中爬行聲信號的功率譜特征，為通過害蟲聲特征了解糧食蟲害程度提供了理論依據(jù);(3)構(gòu)建倉儲糧食中害蟲爬行聲的功率譜特征數(shù)據(jù)庫，為儲糧害蟲聲檢測法的進一步發(fā)展提供了可借鑒的方法和共享資源。唐發(fā)明等［27］利用已知害蟲的聲音樣本，經(jīng)過語音預(yù)處理、特征提取，構(gòu)造多個支持向量機來判斷糧蟲的種類。廖明潮設(shè)計了一個儲糧害蟲聲音分析系統(tǒng)方案，可成功地判別儲糧害蟲種類和數(shù)量，為儲糧害蟲聲檢測法提供了科學(xué)的決策依據(jù)［28］。

3 結(jié)束語

降低糧食產(chǎn)后損失利國利民，如何快速、準(zhǔn)確、低成本地檢測儲糧害蟲已成為國內(nèi)外各相關(guān)學(xué)科學(xué)者研究的一大熱點。雖然糧蟲聲檢測技術(shù)已經(jīng)取得了一定的成果，但國內(nèi)外的檢測方法大多在實驗室環(huán)境中進行，實際糧倉存在儲糧害蟲聲信號較弱與環(huán)境噪音之間的矛盾，目前研究方向從檢測糧蟲可聽聲轉(zhuǎn)移到檢測超聲可使結(jié)果更加可靠;害蟲種類繁多，如何有效地提取害蟲的聲音特征非常重要;突破原有聲模型，建立聲發(fā)射模型是下一個糧蟲檢測的方向。

［1］Brain C K．Preliminary note on the adaptation of certain radio principles to insect investigation work［J］．Annals of the University of Stellenbosch Section A，1924，2:45－47

［2］Adams R E，Wolfe J E，Milner M，et al．Aural detection of grain infested internally with insects［J］．Science，1953，118:163－164

［3］Litzkow C A，Webb J C，Masuda S．Acoustical detection of hidden insects:USA，4671114［P］．1987－06－09

［4］Webb J C，Litzkow C A，Slaughter D C．A computerized acoustical larval detection system［J］．Applied Engineering in Agriculture，1988，4(3):268－274

［5］Hickling R，LEE Peng，WEI Wei，et al．Acoustic sensor system for insect detection:USA，5616845［P］．1997－04－01

［6］Litzkow C A，Webb J C，Vick K W．Piezoelectric apparatus and process for detection of insect infestation in an agricultural commodity:USA，4937555［P］．1990－06－26

［7］Hagstrum D W，F(xiàn)linn P W，Shuman D．Automated monitoring using acoustical sensors for insects in farm－ stored wheat［J］．Journal of Economic Entomology ，1996，89(1):211－217

［8］Vick K W，Litzkow C A，Shuman D．Acoustic location fixing insect detector:USA，5473942［P］．1995－12－12

［9］Shuman D，Coffelt J A，Vick K W，et al．Quantitative acoustical detecition of larvae feeding inside kernels of grain［J］．Journal of Economic Entomology，1993，86(3):933－938

［10］Shuman D，Weaver D K，Mankin R W．Quantifying larval infestation with an acoustical sensor array and cluster analysis of cross－ correlation outputs［J］．Applied Acoustics，1997，50(4):279－296

［11］郭敏，尚志遠．儲糧害蟲聲信號的檢測和應(yīng)用［J］．物理，2001，30(1):39－42．

［12］Mankin R W，Shuman D，Coffelt J A．Noise shielding of acoustic devices for insect detection［J］．Journal of Economic Entomology，1996，89(5):1301－1308

［13］Mankin R W，Sun J S，Shuman D，et al．Shielding against noise interfering with quantitation of insect infestations by acoustic detection systems in grain elevators［J］．Applied A-coustics，1997，50(4):309－323

［14］周志艷，羅錫文，張揚，等．農(nóng)作物蟲害的機器檢測與監(jiān)測技術(shù)研究進展［J］．昆蟲學(xué)報，2010，53(1):98－109

［15］Coggins K M，Principe J．Detection and classification of insect sounds in a grain silo using a neural network［J］．IEEE Int Conf Neural Networks Conf Proc，IEEE Piscataway NJ，1998，3:1760－1765

［16］Rodriguez Gobernado P，F(xiàn)leurat－ Lessard F，Villamayor J，et al．Method and device for detection，identification and densimetric quantification of grain－eating insects in stocks of cereals:US，6923064B2［P］．2005－08－02

［17］Fleurat－ Lessard F，Tomasini B，Kostine L，et al．Acoustic detection and automatic identification of insect stages activity in grain bulks by noise spectra processing through classification algorithms［C］．9th International Working Conference on Stored Product Protection，Campinas:2006

［18］Hagstrum D W，Vick K W，Webb JC．Acoustical monitoring of Rhyzopertha dominica populations in stored wheat［J］．Journal of Economic Entomology，1990，83:625－ 628

［19］Flinn P W，Hagstrum D W．Stored－grain advisor:a knowledge－based system for management of insect pests of stored－ grain［J］．AI Applications in Natural Resource Management，1990，4(3):44－52

［20］Longstaff B C．Computer－assisted－learning(CAL)to improve the quality of pest management in grain storage systems［C］．Proceedings 7th International Working Conference on Stored Product Protection，Beijing:1998

［21］Mann D D，Jayas D S，White N D G，et al．A grain storage information system for Canadian farmers and grain storage managers［J］．Canadian Agriculture Engineering，1997，39(1):49－56

［22］Pearson T C，Cetin A E，Tewfik A H，et al．Feasibility of impact－acoustic emissions for detection of damaged wheat kernels［J］．Digital Signal Processing，2007，17(3):617－633

［23］Ince NF，Onaran I，Pearson T C，et al．Identification of damaged wheat kernels and cracked－shell hazelnuts with impact acoustics time － frequency patterns［J］．Transactions of the ASABE，2008，51(4):1461－1469

［24］Pearson T C，Cetin A E，Tewfik A H．Detection of insect damaged wheat kernels by impact acoustics［C］．IEEE ICASSP，Philadelphia:2005

［25］耿森林，尚志遠．倉儲糧食中害蟲活動聲的提取與頻譜分析［J］．西南師范大學(xué)學(xué)報:自然科學(xué)版，2005，30(6):1057－1060

［26］耿森林．儲糧害蟲活動聲特征檢測、分析及其數(shù)據(jù)庫建立［D］．西安:陜西師范大學(xué)，2005

［27］唐發(fā)明，陳綿云，王仲東．基于支持向量機的倉儲害蟲聲音識別［J］．華中科技大學(xué)學(xué)報:自然科學(xué)版，2005，33(2):34－36

［28］廖明潮．儲糧害蟲聲音分析系統(tǒng)設(shè)計［J］．中國糧油學(xué)報，2007，22(4):130－132．

Research and Development of Stored Grain Insect Detection Method Based on Acoustic Signal

Guo Min1Zhang Lina1，2
(School of Computer Science，Shaanxi Normal University1，Xi'an 710062)
(Department of Computer Science，Baoji University of Arts And Science2，Baoji 721000)

The problem on how to reduce post harvest loss of grain effectively has become a hot issue in the world．Compared with some traditional inspection method in detecting pests in stored grain，the method based on acoustic signals has attracted increasing attention because of the advantage of greening，non－destruction，rapidness and high－sensitivity．From using only one sensor to detect the acoustic signals or vibration of pests in stored grain in the early stage，to sensor array，impact－acoustic emission and comparing the insect noise signals to the specific spectra of the reference database recently，the acoustic detection was getting mature．This paper reviewed the development and achievement of acoustic detection of pests in stored grain for more than 30 years，compared the advantages and limita-tions between some acoustic detection methods in different period and also listed the unsolved problems and the difficulty in next research．

pests in stored grain，acoustical detection method，sensor

S122;O429

A

1003－0174(2011)12－0123－06

國家自然科學(xué)基金(10974130)

2011－02－20

郭敏，女，1964年出生，教授，數(shù)字信號處理