AI虫情测报识别：小目标检测与计数校准

在智慧农业场景中，虫情测报灯每天产生大量夜间图像。我们尝试用轻量检测模型识别稻飞虱、二化螟等主要害虫，重点解决三个问题：夜间光源导致局部过曝、虫体粘连造成小目标漏检、种类分布长尾。做法上，先对测报灯图像做自适应亮度均衡，再以高分辨率切图推理保留小目标特征，最后用密度图回归替代纯框计数，降低粘连场景的计数偏差。
阶段性进展：在自有标注集上，主要害虫识别mAP约0.78，单张图像计数误差由人工抽检的约±15%降至约±7%。
下一步计划：将模型量化部署到测报灯边缘端，并在不同稻区做跨区域泛化验证，同时补充夜间活虫与虫尸的区分标注，减少误计。