农业AI虫情测报定制：灯下图像与种类识别

在智慧农业实验室的虫情测报实验中，我们针对传统测报灯图像虫体堆叠、种类混淆的问题，构建了“边缘检测+云端复核”的两级流程。边缘端先用轻量检测模型定位虫体，再对粘连目标做分割与计数，最后用分类头区分主要害虫。近三个月在三个水稻监测点采集约1.8万张灯下图像，覆盖稻飞虱、二化螟、稻纵卷叶螟等。当前对常见优势种的Top-1识别准确率约86%，计数误差控制在±8%以内，夜间逆光与雨滴干扰仍是主要误报来源。

• 进展：完成边缘端模型量化，单帧推理约120ms，可在低功耗网关运行。
• 下一步：接入区域迁飞模型，将逐日虫量转化为未来3天迁飞风险提示，并在植保站做小范围验证。