AI虫情测报定制：灯下图像计数与虫种分级

测报灯每晚可诱集数百至上千头昆虫，人工分拣计数常需一到两小时，而虫体堆叠、鳞翅目与小型甲虫混杂，误差难以稳定。农业AI实验室近期的实验性探索，把问题拆成「数得准」与「分得清」两步。

第一步以密度估计替代逐个检测：对重叠虫体用密度图回归给出计数，避免目标框相互压制造成漏计；第二步用轻量分类头在主要害虫与中性昆虫之间分级，输出可复核的候选清单。为适应灯下高分辨率大图，采用滑窗推理并做亮度归一化，缓解不同灯管与相机曝光带来的分布漂移。

要点：
· 进展：在三个布点、累计约1.2万张灯下图像上测试，主要虫种计数误差中位数约8%，常见夜蛾类识别准确率约九成；系统仅作初筛，最终判定仍由测报员复核。
· 下一步：接入有效积温与田间小气候数据，把计数结果转为防治阈值提示，并开展跨区域、跨季节的泛化验证。