智慧农业方向的阶段性实验中，我们把重点放在虫情测报的图像计数环节：诱捕装置定时拍照，边缘端先做背景与光斑剔除，再送入检测模型，输出虫量与虫种构成。
现场难点主要有三：夜间光源不均，虫体与背景对比度波动；单张图像虫体密集、重叠；草屑、水滴等杂质易被误判为虫体。针对前两点，我们用密度图回归替代单纯的目标框计数，重叠样本下的总量估计更稳定；对杂质误检，采用“检测置信度阈值 + 轻量二级分类”两级筛选，把明显非虫目标挡在计数之外。
- 进展：在某蔬菜基地连续两周夜间图像上与人工镜检比对，主要靶标害虫（小菜蛾、斜纹夜蛾）的计数相对误差由约 ±30% 收窄到 ±15% 左右，非靶标杂质误检明显下降。
- 下一步：接入逐日累计虫量与温湿度、降雨等气象因子，输出“是否达到防治阈值”的提醒，并在更多作物与季节样本上复测模型。
需要说明的是，当前结果来自单基地小样本验证，鳞翅目近缘种的细粒度区分仍是主要误差来源，暂不替代人工镜检，仅作为巡田频次的补充。
评论