AI虫情测报定制：诱捕图像与计数校准

农业AI实验室近期在虫情测报方向完成两轮田间实验。测报灯与黄板诱捕图像中，目标密集、尺度小，虫体常相互遮挡或黏附，直接套用通用检测模型时，计数偏差主要来自漏检与重复计数。

我们的处理链路是：轻量检测网络定位虫体，密度图回归补足小目标，再依据位置与轨迹去重完成计数校准；训练数据由植保人员抽帧标注，优先覆盖稻飞虱、二化螟等主要虫种。

要点：
· 阶段性进展：在三个试验点、约1.2万张诱捕图像上，主要虫种计数相对人工复核的平均误差由约15%降至6%以内；夜间低照度下的稳定性仍需改进。
· 下一步计划：引入时序信息处理虫体堆叠场景，并测试跨地区、跨季节的迁移效果，同时给出分虫种的可信区间而非单一计数。