本发明属于属于储藏物密闭杀虫技术领域，更具体讲涉及一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法。
背景技术：
目前储粮杀虫中所采用的气调技术被认为是一种无污染的绿色生态储粮技术。采用气调杀虫时，需要在密闭环境中进行。评价气调杀虫效果往往需要等到打开密闭环境散气至氧气浓度安全后才能取样进行——即后取样检测法，且只能检查害虫最终存活情况或杀虫效果。也有在密闭前在粮面设置虫样，在过程中间隔一定时间打开密闭环境取出虫样检查，此种方法与后取样检测法相比，虽能早一些间断地了解到害虫存活或杀虫效果，但是一方面需要准备较多虫样、实施难度较大，另一方面需要反复多次打开密闭环境、操作麻烦，并且还会影响到环境的密闭性能。
技术实现要素：
本发明的目的正是针对现有技术的不足而提供的一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法。利用本发明在不需要打开密封环境的前提下就能够通过远程实时监测害虫行为反应程度，并通过成虫行为异常、击倒比率，智能化预测出杀虫剩余时间，具有操作简单、使用方便、动态直观、及时实时的优点。
本发明的目的可通过下述技术措施来实现：
本发明的一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法，其特征在于：所述方法包括下述步骤：
a、在预先测定得到试虫的成虫和隐蔽性存在于粮粒内不可见虫态之卵、幼虫、蛹及耐力最强虫态的完全致死时间基础上，获知该种试虫被完全杀死时间t，以及试虫被完全杀死时间t与易观测成虫虫态出现行为反应程度时间关系；
b、在对气调杀虫操作密闭前，将上端敞口的防逃逸器皿放置到同样气调密闭环境内，防逃逸器皿内腔底部放置适量该试虫成虫；
c、利用安装在防逃逸器皿上方的视频摄像头实时拍摄所述成虫的活动图像，活动图像经无线网络wifi发送到手机app中，实时监测密闭环境中成虫的行为异常个体数量和被击倒个体数量；
d、根据步骤c中所监测到成虫图像监视杀虫效果，并得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型、被击倒比率与被击倒比率达到时间t2之间对应的变化模型；
e、通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差t-t1、试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差t-t2，来预测某个待查询比率下完全致死害虫的剩余时间。
本发明的工作原理如下：
本发明是在掌握害虫成虫和隐蔽性存在于粮粒内不可见虫态之卵、幼虫、蛹完全致死时间基础上，通过现代视频监测、图像信息通讯、并控制条件，远程监测密闭环境气调杀虫过程中的杀虫效果，并通过容易观测的害虫成虫的行为反应程度预测完全杀虫效果的时间。利用本发明在不需要打开密封环境的前提下就能够通过远程实时监测害虫行为反应程度，并通过成虫行为异常、击倒比率，智能化预测出杀虫剩余时间，具有操作简单、使用方便、动态直观、及时实时的优点。
更具体讲，本发明首先需要预先测定得到试虫的成虫、卵、蛹、幼虫各虫态及其中耐力最强虫态的完全致死时间的基础上，获知该种试虫被完全杀死时间t；然后利用视频摄像头、无线网络wifi和手机app构成的监控装置，实时显示放置在密闭环境内上端敞口的防逃逸器皿内腔底部的该种试虫成虫的活动图像，选择该种试虫的成虫进行监测是由于成虫虫态易于观测；根据成虫的活动图像分别得到成虫的行为异常个体数量和被击倒个体数量；然后得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型、被击倒比率与被击倒比率达到时间t2之间对应的变化模型；最后通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差、试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差，来预测某个待查询比率下完全致死害虫的剩余时间，即可以预测整个密封粮仓中该种试虫全部个体被杀死的剩余时间。这是由于其它虫态的个体在耐力最强虫态被完全杀死前已全部死亡，所以在预测的剩余时间内密封粮仓内该虫种全部群体已被杀死。
本发明的有益效果如下：
利用本发明在不需要打开密封环境的前提下就能够通过远程实时监测害虫行为反应程度，并通过成虫行为异常、击倒比率，智能化预测出杀虫剩余时间，具有操作简单、使用方便、动态直观、及时实时的优点。
说明书附图
图1是米象在98%的氮气气调和18℃温度条件不同虫态的完全致死时间图（单位：d）。
图2是18℃温度条件下米象成虫的行为异常比率与异常比率达到时间t1之间的变化模型图。
图3是18℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间t2之间的变化模型图。
图4是18℃温度条件下米象成虫的行为异常比率与异常比率达到时间差t-t1之间的变化模型图。
图5是18℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间差t-t2之间的变化模型图。
图6是米象在98%的氮气气调和23℃温度条件不同虫态的完全致死时间图（单位：d）。
图7是23℃温度条件下米象成虫的行为异常比率与异常比率达到时间t1之间的变化模型图。
图8是23℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间t2之间的变化模型图。
图9是23℃温度条件下米象成虫的行为异常比率与异常比率达到时间差t-t1之间的变化模型图。
图10是23℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间差t-t2之间的变化模型图。
图11是米象在98%的氮气气调和28℃温度条件不同虫态的完全致死时间图（单位：d）。
图12是28℃温度条件下米象成虫的行为异常比率与异常比率达到时间t1之间的变化模型图。
图13是28℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间t2之间的变化模型图。
图14是28℃温度条件下米象成虫的行为异常比率与异常比率达到时间差t-t1之间的变化模型图。
图15是28℃温度条件下米象成虫的被击倒比率与被击倒比率达到时间差t-t2之间的变化模型图。
具体实施方式
本发明以下将结合实施例作进一步描述：
实施例一
实施例一的一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法包括下述步骤：
a、将试虫米象置于98%的能够完全杀死害虫的氮气气调条件中，并在18℃温度下测定米象对应的成虫、卵、幼虫、蛹四种虫态的完全致死时间（详见图1，卵、幼虫、蛹的完全死亡时间测定是通过对照试验比对得出的）；通过对比图1中的时间参数后可以获知：米象的蛹虫态耐力最强，因此只要能够将蛹完全杀死就可完全杀死其它耐力较小的卵、幼虫、成虫虫态；在98%的氮气气调条件和18/℃温度下前提下，耐力最强虫态完全致死时间——即该种试虫被完全杀死时间t为25天；
b、在对气调杀虫操作密闭前，将上端敞口的防逃逸器皿放置到同样气调密闭环境内，防逃逸器皿内腔底部放置适量米象成虫；
c、利用安装在防逃逸器皿上方的视频摄像头实时拍摄所述成虫的活动图像，活动图像经无线网络wifi发送到手机app中，实时监测密闭环境中成虫的行为异常个体数量和被击倒个体数量；
d、根据步骤c中所监测到成虫图像监视杀虫效果，并得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型（参见图2）、被击倒比率与被击倒比率达到时间t2之间对应的变化模型（参见图3）；
e、通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差t-t1，得出行为异常比率与异常比率达到时间差t-t1之间对应的变化模型（参见图4）；通过试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差t-t2，得出被击倒比率与被击倒比率达到时间差t-t2之间对应的变化模型（参见图5），根据图4和图5可以查询在某个对应比率时距离完全致死害虫的剩余时间，即对整个密封粮仓中该种试虫全部个体被杀死的剩余时间进行智能化预测。
实施例二
实施例二的一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法包括下述步骤：
a、将试虫米象置于98%的能够完全杀死害虫的氮气气调条件中，并在23℃温度下测定米象对应的成虫、卵、幼虫、蛹四种虫态的完全致死时间（详见图6，卵、幼虫、蛹的完全死亡时间测定是通过对照试验比对得出的）；通过对比图6中的时间参数后可以获知：米象的蛹虫态耐力最强，因此只要能够将蛹完全杀死就可完全杀死其它耐力较小的卵、幼虫、成虫虫态；在98%的氮气气调条件和23/℃温度下前提下，耐力最强虫态完全致死时间——即该种试虫被完全杀死时间t为19天；
b、在对气调杀虫操作密闭前，将上端敞口的防逃逸器皿放置到同样气调密闭环境内，防逃逸器皿内腔底部放置适量米象成虫；
c、利用安装在防逃逸器皿上方的视频摄像头实时拍摄所述成虫的活动图像，活动图像经无线网络wifi发送到手机app中，实时监测密闭环境中成虫的行为异常个体数量和被击倒个体数量；
d、根据步骤c中所监测到成虫图像监视杀虫效果，并得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型（参见图7）、被击倒比率与被击倒比率达到时间t2之间对应的变化模型（参见图8）；
e、通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差t-t1，得出行为异常比率与异常比率达到时间差t-t1之间对应的变化模型（参见图9）；通过试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差t-t2，得出被击倒比率与被击倒比率达到时间差t-t2之间对应的变化模型（参见图10），根据图9和图10可以查询在某个对应比率时距离完全致死害虫的剩余时间，即对整个密封粮仓中该种试虫全部个体被杀死的剩余时间进行智能化预测。
实施例三
实施例三的一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法包括下述步骤：
a、将试虫米象置于98%的能够完全杀死害虫的氮气气调条件中，并在28℃温度下测定米象对应的成虫、卵、幼虫、蛹四种虫态的完全致死时间（详见图11，卵、幼虫、蛹的完全死亡时间测定是通过对照试验比对得出的）；通过对比图11中的时间参数后可以获知：米象的蛹虫态耐力最强，因此只要能够将蛹完全杀死就可完全杀死其它耐力较小的卵、幼虫、成虫虫态；在98%的氮气气调条件和28/℃温度下前提下，耐力最强虫态完全致死时间——即该种试虫被完全杀死时间t为13天；
b、在对气调杀虫操作密闭前，将上端敞口的防逃逸器皿放置到同样气调密闭环境内，防逃逸器皿内腔底部放置适量米象成虫；
c、利用安装在防逃逸器皿上方的视频摄像头实时拍摄所述成虫的活动图像，活动图像经无线网络wifi发送到手机app中，实时监测密闭环境中成虫的行为异常个体数量和被击倒个体数量；
d、根据步骤c中所监测到成虫图像监视杀虫效果，并得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型（参见图12）、被击倒比率与被击倒比率达到时间t2之间对应的变化模型（参见图13）；
e、通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差t-t1，得出行为异常比率与异常比率达到时间差t-t1之间对应的变化模型（参见图14）；通过试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差t-t2，得出被击倒比率与被击倒比率达到时间差t-t2之间对应的变化模型（参见图15），根据图14和图15可以查询在某个对应比率时距离完全致死害虫的剩余时间，即对整个密封粮仓中该种试虫全部个体被杀死的剩余时间进行智能化预测。
1.一种实时监测密闭环境中杀虫效果和预测杀虫时间的方法，其特征在于：所述方法包括下述步骤：
a、在预先测定得到试虫的成虫和隐蔽性存在于粮粒内不可见虫态之卵、幼虫、蛹及耐力最强虫态的完全致死时间基础上，获知该种试虫被完全杀死时间t，以及试虫被完全杀死时间t与易观测成虫虫态出现行为反应程度时间关系；
b、在对气调杀虫操作密闭前，将上端敞口的防逃逸器皿放置到同样气调密闭环境内，防逃逸器皿内腔底部放置适量该试虫成虫；
c、利用安装在防逃逸器皿上方的视频摄像头实时拍摄所述成虫的活动图像，活动图像经无线网络wifi发送到手机app中，实时监测密闭环境中成虫的行为异常个体数量和被击倒个体数量；
d、根据步骤c中所监测到成虫图像监视杀虫效果，并得到成虫的行为异常比率与异常比率达到时间t1之间的变化模型、被击倒比率与被击倒比率达到时间t2之间对应的变化模型；
e、通过试虫被完全杀死时间t与异常比率达到时间t1之间的时间差t-t1、试虫被完全杀死时间t与被击倒比率达到时间t2之间的时间差t-t2，来预测某个待查询比率下完全致死害虫的剩余时间。
技术总结