AI虫情测报定制：夜间小目标识别与计数校准

虫情测报灯是植保监测的常规手段，但夜间成像有两个现实难点：一是稻飞虱、蚜虫等目标在图像中往往只有十几像素；二是诱虫灯的光晕与虫体堆叠，会让基于检测框的计数出现漏计与重复计。农业AI实验室近期的实验主要围绕这两点展开。

做法分三步：先对灯下图像做背景建模以抑制光晕，再按高分辨率分块推理提升小目标召回；对堆叠密集区改用密度估计给出虫量，而非逐个体输出检测框；最后保留人工抽检环节，按周回算偏差并更新计数阈值，避免阈值长期漂移。

【进展】在某水稻示范基地连续6周的对比中，主要害虫的自动计数与人工分拣偏差由±28%收敛到±11%，夜间时段召回率提升约15个百分点。

【下一步】计划把温度、风速等气象量作为协变量引入，用于区分迁飞高峰与本地虫量；并按虫种建立分级预警阈值，与植保站的防治窗口对齐。