在智慧农业田间场景中，虫情测报灯是获取虫口密度最经济的入口之一，但传统设备普遍存在两个问题：灯下虫体堆叠导致计数虚高，以及不同体型害虫（如小菜蛾与黏虫）混入同一张图像后被统一计数，难以支撑分种类预警。
本月农业AI实验室在自有试验田完成了一轮实验性迭代，方向是把计数问题拆成"检测—去重—归类"三段处理。检测端沿用轻量目标检测模型识别虫体，新增重叠度估计头，对粘连个体输出可分离的实例掩膜；去重端引入基于面积与形态的冗余抑制，对同一虫体在连续三帧中的重复出现做匹配合并；归类端按体长、翅形与纹理建立12类常见害虫的弱监督分类器，当前在验证集上分种类识别的平均准确率为86.4%，总量计数较人工开箱核对的偏差从原先的±18%收敛到±6%以内。
要点：
- 进展：完成三帧去重与12类害虫弱监督归类，总量计数偏差收敛至±6%；
- 下一步：接入区域气象数据，尝试用连续三晚的虫量斜率与风向做迁飞路径的短时提示，先在3个试验点验证误报率，再考虑开放接口。
现阶段仍不追求"全自动预警"，先把单点计数做准，再谈区域推演。
评论