AI虫情测报定制：灯诱图像与虫种计数

田间虫情测报长期依赖人工查灯、逐只辨认。一个测报点一晚的诱虫量常达数百至上千头，人工计数结果滞后，且不同测报员的分类口径难以统一。农业AI实验室搭建了一套实验性流程：以智能虫情测报灯的高分辨率图像为输入，先做背景分割与粘连虫体切分，再用轻量分类网络识别主要靶标害虫（稻飞虱、二化螟、草地贪夜蛾等），最后按日汇总虫量曲线，叠加温湿度与风场数据生成迁飞风险提示。

要点：

• 进展：在3个水稻测报点连续运行8周，主要靶标虫种识别准确率约92%，单张图像处理耗时低于300毫秒；夜间补光不均与鳞翅目翅面反光仍是主要误判来源。
• 下一步：引入时序缓存，用连续两晚的虫量增量抑制偶发误报，并对接区域植保预警接口，验证预警提前量是否具备田间指导价值。