摘要：利用自行设计的试验装置，充入CO2气体使储粮害虫（谷蠹与米象）窒息死亡，以达到杀灭粮食害虫的目的。试验分为两个部分，一是在实验室里进行，试验温度分别在15～18℃和23～28℃；试验的CO2气体浓度分别控制在25％、30％、35％、40％、45％、50％、55％和60％左右；试验时间分别为24、48、72、96、120、168h。通过多次试验，找出了实验室试验的最佳参数；温度为（25±3）℃；CO2气体浓度为25％～35％；谷蠢杀虫保持时间为72h以上；米象杀虫保持时间为48h。二是在实验仓进行试验，将传感器通过管道分别布置在仓的各个部位，并每隔12～24h，测取温、湿度等。实验仓的试验验证了实验室的试验结果，但杀虫的持续时间为10d以上，研究成果为实仓应用CO2气调防治储粮害虫提供了可靠的依据。

摘要：基于昆虫声音的储粮害虫检测是以生物学者的基础研究为基石,以数字信号处理理论和技术为方法,将声信号变成电讯号,去除噪声提取实用的信号,进行信号放大处理后,根据音程的百分比和音程数量的多少可以分辨出储粮害虫的种类和数量。

摘要：分析了G.723.1协议编解码算法的特点,提出了利用DirectX技术来进行储粮害虫声信号数据编解码处理的方法。介绍了如何使用DirectSound技术来实现储粮害虫声信号的获取和回放。

摘要：介绍了基于机器视觉的储粮害虫智能检测系统的硬件组成 ,该系统主要由取样传送机构、均匀光照室和视觉系统 3部分组成。取样传送机构可吸取任意检测点的粮食样本 ,并自动单层呈现给视觉检测系统 ;光照室可为 CCD摄像机的视区提供均匀、恒定的无影光照 ;视觉系统可实时采集粮食样本的序列图像信息 ,并由计算机进行处理与识别。

摘要：储粮害虫检测一直是昆虫学研究的一个热点,近年来随着信息技术和传感技术的进步,储粮害虫的研究取得了很大的进展.提出了一种基于声音的储粮害虫检测系统的设计.利用数字信号处理理论和技术,将声信号变成电讯号,除去噪声后提取出有用的信号特征,根据这些特征自动判别害虫的种类和数量.

摘要：为研究面粉车间储粮害虫的种群动态、发生规律,利用瓦楞纸板诱捕器跟踪诱捕2017年3月—2018年3月的储粮害虫,并采用地质统计学等高线绘图技术结合面粉车间内温度、湿度的变化,分析面粉车间储粮害虫的种类、分布以及影响储粮害虫种群数量的各种因素。沿着面粉车间(长84 m,宽42 m)建筑物内墙和柱子设置60个瓦楞纸板诱捕器,每隔15 d统计1次。结果表明:瓦楞纸板诱捕器在面粉车间可诱捕到书虱、赤拟谷盗、扁谷盗类害虫和烟草甲等储粮害虫的成虫和幼虫,且对书虱具有较好的诱捕效果,可用于储粮昆虫(螨)的监测和防治。试验期间,在面粉车间累计诱捕到书虱26 982头,占总诱捕量的96.0%,是面粉仓库的优势种。书虱分布在全仓,但大部分分布在麸皮打包间。891头赤拟谷盗和185头扁谷盗类害虫几乎全部分布在麸皮打包间。烟草甲的来源应该是外围环境。全年诱捕到的储粮害虫在面粉车间主要有4个分布热点区域,分别为麸皮打包间、面粉成品仓和麸皮打包间交接处、自动打包机和皮带输送机处、卸粮口处。麸皮打包间和面粉成品仓库设计在一起是不合理的。在实际生产中可根据储粮害虫分布热点区域开展有针对性的防治工作。

摘要：针对小目标储粮害虫图像的检测问题,提出了一种基于特征金字塔网络的Faster R-CNN改进模型对图像中的小目标进行检测。本研究以5种常见的储粮害虫为检测目标,样本中通过随机组合的方式混合不同种类的储粮害虫进行拍照取样,通过对原始图像数据进行目标扩充后构建了含942张储粮害虫图像的数据集(CSGP)。在改进模型的特征金字塔网络结构中,特征提取网络产生的高层特征图通过下采样方式逐步对底层特征图进行融合,生成适合多尺度目标检测的特征图。实验结果表明,采用训练集目标扩充的方式,储粮害虫图像的目标检测结果mAP提升了2.21%;改进后的模型进一步使得储粮害虫图像检测的mAP达到96.69%。最后,设计了一套粮仓内的储粮害虫监测系统。

摘要：介绍了基于机器视觉的储粮害虫智能检测系统软件部分各主要环节的具体实现。该系统运用图像差分法及自适应图像增强法提高粮虫样本图像的质量 ,利用改进的直方图阈值将粮虫从背景中分割开来 ,并运用数学形态学处理法进行了滤波。以提取出的粮虫面积、周长、复杂度为特征 ,运用基于模糊决策的分类器对粮仓中常见的 9种、7类害虫进行了分类 ,识别正确率达到 95 .2 %。

摘要：为实现对粮仓粮堆内害虫发生的早期监测,本研究基于探管式诱捕器和红外光电传感器研发了一种经济有效、可实时在线监测害虫发生的装置;基于该装置建立了9种主要储粮害虫成虫红外光电序列数据集;通过方差分析和数据可视化方法验证了其数据分布特性与害虫进入诱捕段的位置无关;对红外光电序列建立了高斯核支持向量机模型,通过实验室的测试,对蛀蚀性和粉食性两大害虫类别的判别达到了加权平均分类准确率87.7%、召回率87.5%和F1值87.6%。

摘要：介绍了一种利用计算机软件实现储粮害虫声信号提取、分析与处理的新方法 .声信号被转化为数字信号后 ,由计算机软件以串行方式采集 ,利用Matlab软件实现数字信号处理 ,对声信号放大 ,低通滤波器滤除信号中的噪音 ,从而进行功率谱分析 .实验结果表明 ,该方法准确可行 ,软件设计灵活 ,可取代传统的硬件分析方法 ,降低了检测成本 .