AI虫情测报定制：灯下图像与计数校准

虫情测报灯是基层植保的常规手段，但夜间图像里虫体堆叠、露水反光、非靶标昆虫混入，都会让人工计数波动较大。本期农业AI实验室在一个县级测报点做了小规模试验，把流程拆成三段：先用轻量检测模型框出虫体区域，再按体型与纹理映射到常规目测的虫种分组，最后用近两周的人工复核数据做计数校准，让输出贴近测报员熟悉的量纲。

进展：在约1200张夜间灯下图像上，主要靶标害虫的检出召回约92%，单张处理耗时约0.4秒，可跑在边缘盒上；与人工计数的平均相对偏差从原先约±35%收窄到±15%左右。

下一步计划：1）补充雨天与满月夜样本，对反光与水渍单独建模；2）把计数结果与逐日温度、风速对齐，观察虫量突增与迁飞天气的相关性；3）在2~3个测报点做连续一个月对照，判断模型偏保守还是偏激进。