虫情测报灯每晚回传的图像，是智慧农业里最难处理的一类数据：夜间补光不均、虫体小且密集粘连、背景还夹带叶片与灰尘。本期实验室把这个问题拆成三段做实验性验证。
一是成像端先做筛选与标准化：按亮度、清晰度和帧间差异过滤无效帧，统一裁剪出灯下有效区域，减少后续误检来源。二是计数端不靠单纯目标检测硬扛密集场景，改用检测与密度图回归并行，重叠虫体按密度积分估计；再按虫体尺寸分档设定判定阈值，降低小目标漏计。三是引入跨帧时序去重，同一种虫在相邻帧重复出现时只计一次。
阶段性结果：在合作基地连续 6 周的夜间图像上，与人工镜检复核相比，主要害虫计数的平均相对误差由初版模型的约 30% 降至 12% 以内；剩余误差集中在近缘种的种类判别上。
下一步：验证跨区域、跨季节的迁移表现，并将模型压缩到边缘端，配合太阳能供电的测报灯做低功耗常驻推理。
评论