在智慧农业场景中，虫情测报目前仍以人工翻板计数为主，一晚一张粘虫板、一棚一次巡检，既耗人力也带主观性。本实验室近期围绕灯诱图像自动测报做了一轮小样本实验。
实验在三个设施蔬菜基地布设诱虫灯与定焦相机，每30分钟拍摄一次集虫板。任务被拆成两步：先用轻量分割模型将重叠虫体分离，再按翅型、体长、体色三类形态特征做虫种粗分。为降低把常见种误判为罕见种的风险，模型只输出到“属”一级，存疑样本回传人工复核。
要点一（进展）：在8个夜间批次、约1.2万头虫体上，计数误差中位数约7%，主要来源是蛾类翅面重叠与鳞片反光；小菜蛾、斜纹夜蛾、白粉虱等常见种识别准确率约九成，相近体型的小型蛾类仍易混淆。
要点二（下一步）：计划把温度、风速等气象数据接入计数修正，并进一步压缩模型，使其能在棚内边缘设备上离线运行。
评论