张建庆1 黄恩炯1 高 博1 蔡怡珊1 杨 立1

蝇类在分类学上隶属于双翅目环裂亚目，种类繁多，与人畜疾病有关的种类一般见于花蝇科、厕蝇科、丽蝇科、麻蝇科、舌蝇科以及胃蝇科、狂蝇科、皮蝇科等。蝇类可携带多种致病性病原体，包括脊髓灰质炎、病毒性肝炎、伤寒、副伤寒、痢疾、霍乱、炭疽、麻风和结核病等传染病的病原体^[1]。随着国际间贸易和交流的增加，蝇类可借助各种交通工具、集装箱、货物、行李和邮包等进行全球迁移。近年来，我国多次在入境交通工具上截获大量输入性蝇类，并多次检出蝇类携带的病原体^[2-4]。

蝇类监测是蝇类相关疾病控制的前沿阵地，其监测结果对预测蝇类相关疾病的发生发展具有重要参考价值，是蝇类相关疾病发生发展的晴雨表，是卫生检疫的主要工作职责之一。传统的蝇类监测方法主要有笼诱法、目测法和格栅法^[5-8]，主要依靠人工布放和回收监测工具，人工录入上报监测结果，既费时费力，又存在数据收集不规范、不准确等问题，不利于后续的数据分析和风险预警。随着信息技术的高速发展，智能化已经成为趋势并在多个领域中发挥了重要作用。

物联网已成为现代信息技术的重要支撑。物联网凭借局域网或互联网等通信技术把传感器、控制器、设施、设备、仪器和使用人员等联结在一起，实现人与物、物与物相联，建立起信息化和智能化的网络。本文开发的蝇类智能监测系统融合当前先进的窄带物联网、传感器、地理信息系统和互联网技术，建立了大范围、全方位、实时、准确、高效的蝇类监测物联网，实现了蝇类监测的网络化、可视化、信息化和智能化。

1 蝇类智能监测系统的组成

蝇类智能监测系统由监测终端（即智能捕蝇笼）和监测信息中心两部分组成，详见蝇类智能监测系统设计逻辑拓扑图（图1）。

1.1 监测终端（即智能捕蝇笼）

(1) 温湿度传感器：实时获取外界环境的温度和湿度数据。

(2) 激光对射传感器：实时获取进出捕蝇笼的蝇类数量信息。少量蝇类会从捕蝇笼逃脱，因此，激光对射传感器应可以感应蝇类进出方向并进行计数。

(3) 信号处理部分：由微控制单元（Microcontroller Unit, MCU）对传感器模拟信号提取放大，并进行模/数转换，由编码器将采集到的信息数据进行相应的编码和数据运算处理。程控放大器由模拟开关、输入放大器及接口电路组成。其作用是在程序控制下，把温湿度信号与激光信号送入放大器输入端，经放大器放大增益后分别输出温湿度、蝇类进出的信号。

(4) 发射电路部分：由编码器和发射模块组成，编码器将数据和地址编译成代码的波形，由发射模块输出。

(5) 接收电路部分：由解码器和接收模块组成。其中，无线通讯模块主要是发射模块和接收模块为一体的NB-IoT模块。

(6) 捕蝇笼：由尼龙网、金属支架、诱饵盘和悬挂线组成，和传统诱蝇笼相似。

(7) 电源：为信号采集、处理和发送提供动力，电池寿命至少3个月。

图1 蝇类智能监测系统设计逻辑拓扑图

Fig.1 Logic topology diagram of the design of intelligent monitoring system for flies

1.2 监测信息中心

蝇类智能监测信息中心包括地理信息系统、蝇类监测数据中心、终端设备监控系统、综合应用门户和工作管理系统等子系统。蝇类智能监测信息中心的用户权限可根据所在机构的级别和角色进行设定。监测网络同时连接智能捕蝇笼的数量大于10000个，可满足在全国海关系统大面积应用推广的需要。

2 蝇类智能监测系统的工作原理

智能捕蝇笼通过温湿度传感器获取环境温湿度数据，通过激光对射传感器获取进出捕蝇笼的蝇类数量信息，数据采集至微控制单元MCU（Microcontroller Unit）进行数据运算处理，之后通过NB-IoT网络将处理后的数据上传至电信平台，在客户端即可收集到智能捕蝇笼所传输的相关信息，并可进行数据查询、统计和分析。蝇类智能监测系统工作原理如图2所示。

3 蝇类智能监测系统的功能

3.1 GIS地图显示

在GIS地图中，根据监测点的地理位置显示设备的精确经纬度，实时获取设备的监测数据。在系统首页可以实现实时数据在线展示，包括过去1周各项蝇类监测指标。

图2 蝇类智能监测系统工作原理示意图

Fig.2 Schematic diagram of the working principle of the intelligent monitoring system for flies

3.2 在线数据查询与统计报表

获取数据包进行存储，根据用户需求生成数据报表，直观展现指标变化。按数据类型、时间段查询蝇类历史监测数据，包括日数据、周数据、超标数据、原始数据。支持报表打印、导出，查询结果可导出为PDF、Excel、Word等格式。

3.3 超标预警

根据设定的预警值和实时监测数据进行风险提示，为管理者及时作出决策提供数据支持。

3.4 云端大数据

借助云端数据处理技术，对数据进行计算分析，生成蝇害趋势状态动态云图。蝇害趋势分析采用统一标准的分析方法，准确、全面、及时地反映各监测点的蝇害状况，包括蝇类密度、地理分布和变化趋势等，筛选重点管理对象和区域，为控制工作提供依据。

4 讨论

窄带物联网（NB-IoT）是万物互联网络的一个重要分支，是一种专为物联网设计的窄带射频技术。NB-IoT具备4个特点：(1) 覆盖面广，在同一频段下，NB-IoT的网络覆盖面积超过现有网络覆盖面积的100倍；(2) 容量大，可以支撑海量的终端连接；(3) 低功耗，NB-IoT终端模块的待机时间可长达10年；(4) 低成本，单个接连模块不超过25元^[9]。采用NB-IoT构建的蜂窝网络，消耗的带宽大约仅180 kHz，适用于GSM网络，具有覆盖广、连接终端数量多、成本低和功耗低等优点，可在一张芯片内完成射频接收、混频、滤波、数据解调和放大整形等全部功能，接收发送功能高度集成化，保证了数据稳定传输。NB-IoT已在各种垂直行业中得到广泛应用，如资产跟踪、远程抄表、智慧农业和智能停车等^[10]。窄带物联网被视为真正开启万物智能互联互通的钥匙。在深圳，基于NB-IoT的智能泊车服务已经全面推行，用户下载安装一个APP，通过手机便能查找到附近的停车位，还具备导航等功能，真正实现整个城市一张网，便于维护和管理。上海联通率先在迪士尼乐园提供以NB-IoT为基础的物联网服务，园区内已部署智能停车项目，在P1停车场共有334个车位安装了有4.5G NB-IoT芯片和地磁感应芯片的监测器，能够提供地感信息的收集，实现泊车的智能管理。2016年11月18日，在福州举行了全国第一家窄带物联网（NB-IoT）规模化商用局启动仪式，标志着福州率先进入窄带物联网大规模商用的阶段。

智能传感器是一种带有微处理器的兼有检测、判断与信息处理功能的传感器。智能传感器具有量程宽、精度高、功能丰富、可靠性高等优点，是传统传感器无法比拟的。近年来，智能传感器已广泛应用于航空、航天、国防和工农业生产等各领域中，特别是随着高科技的发展，智能传感器备受青睐。在现代工业生产中，传统传感器无法对某些产品的质量指标，如颜色和味道等，进行快速直接地测量和在线控制。智能传感器则可以直接测量生产过程中和产品质量有函数关系的某些数量，通过神经网络技术或专家系统构建数学模型进行计算，进而推断出产品质量。

随着传感器技术、计算机技术和网络技术的快速发展，开发含窄带物联网网络接口的智能传感器，将其组网并应用于分布式测控已成为现实。多个智能传感器可以组成精度高、功能强大的监控网络，具有低成本，安装配置、升级和维护方便等优点。智能传感器网络强大的监控能力使其在过程控制、环境监测和医疗卫生等方面得到广泛应用。

以上技术在病媒生物监测方面的研究较少，国内外均未见现代通讯技术（如NB-IoT）、传感器技术、地理信息系统（GIS）、大数据、云计算和移动互联网等多种信息技术在蝇类智能监测中的综合应用。

蝇类智能监测系统利用窄带物联网（NB-IoT）、智能传感器、地理信息系统（GIS）和互联网等技术，实现了蝇类监测的网络化、可视化、信息化和智能化，实现了蝇类数量的实时监测和对监测数据的实时统计分析。蝇类智能监测系统使得监测数据的采集和反馈更简便、准确、及时，降低了蝇类监测人员的劳动强度，提高了工作效率和监测数据的可靠性，有助于建立蝇类监测长效机制，建立健全蝇类监测预警体系；有利于控制蝇类种群密度，建立持续控制长效机制；有利于深度挖掘监测数据，健全蝇类密度测报体系，不断补充完善测报模型，为蝇类防制提供及时准确的依据。

蝇类形态鉴定需要在显微镜下观察蝇类的细微形态特征才能进行。目前该系统尚无法对蝇类种类进行实时鉴定，仍需在实验室中进行鉴定。随着高分辨率动态摄影技术、计算机模式识别技术和5G通讯技术的发展，建立蝇类实时鉴定技术将成为可能，也是进一步完善该系统的研究方向。

5 结论

蝇类智能监测系统的研究是现代信息和通讯技术应用于传统蝇类监测的一次有益尝试。研究结果表明，蝇类智能监测系统在实时监测数据的获取和分析等方面具有传统蝇类监测无法比拟的优势。随着研究的不断深入，智能监测将成为一项具有广阔发展前景的病媒生物监测技术，将成为智慧海关建设的一个重要方面。

【该文经CNKI学术不端文献检测系统检测，总文字复制比为7%。】

参考 文献

[1] 吕斌 , 张际文 . 卫生检疫学 [M]. 人民卫生出版社, 2015 : 228-230.

[2] 聂维忠 , 李俊成 , 李德昕 , 等 . 输入性医学媒介生物监测及病原体分离研究 [C]. 媒介生物可持续控制国际论坛 , 2008.

[3] 苏水宽 , 陈剑 , 傅健 , 等 . 厦门口岸输入性蝇类和蟑螂携带致病菌监测 [J]. 中华卫生杀虫药械 , 2014, 20(4): 318-322.

[4] 高玉峰 , 孙时 , 姜陆 , 等 . 蝇类携带致病菌的检测分析 [J]. 口岸卫生制 , 2011, 16(6): 20-22.

[5] 冷培恩 , 徐仁权 , 朱仁义 . 蝇类密度监测方法的现状 [J]. 寄生虫与医学昆虫学报 , 2005, 12(3): 189-192.

[6] Lysyk T J, Axtell R C . Field Evaluation of Three Methods for Monitoring Populations of House Flies (Musca domestica) (Diptera: Muscidae) and Other Filth Flies in Three Types of Poultry Housing Systems[J]. Journal of Economic Entomology, 1986(1): 1.

[7] Smythe B. Comparing various counting methods used to estimate individual horn fly (Diptera: Muscidae) populations on cattle[J]. Journal of the Acoustical Society of America, 2015, 87(3): 997-1003.

[8] Birkemoe T, Sverdrup-Thygeson A. Stable fly (Stomoxys calcitrans) and house fly (Musca domestica) densities: a comparison of three monitoring methods on pig farms[J]. Journal of Pest Science, 2011, 84(3): 273-280.

[9] 刘毅 , 孔建坤 , 牛海涛 , 等 . 窄带物联网技术探讨 [J]. 通信技术 , 2016, 49(12): 1671-1675.

[10] 李庆 , 胡社教 . 基于窄带物联网的电动汽车智能充电系统 [J]. 测控技术 , 2019, 38(5): 61-65.

（文章类别：CPST-C）