在智慧农业场景中，虫情测报灯是植保决策最常用的数据来源，但夜间拍摄的虫体图像存在目标小、堆叠密、重复入镜等问题。人工计数往往滞后一周以上，且不同测报员之间的判定偏差明显。
我们以一台常规测报灯为试验对象，把流程拆成三步：先用背景差分与亮度归一化处理夜间补光造成的强反差；再用轻量检测模型提取虫体候选框，按面积与长宽比过滤杂物；最后用跨帧轨迹关联做去重，避免同一只虫在连续帧中被反复计数。模型在边缘端推理，单张耗时约 45 ms。
阶段性进展：在 3 个县域站点累计 1.2 万张夜间图像上，稻飞虱、二化螟等主要害虫的计数与人工复核相比，平均相对误差由 23% 降至 11%，单灯日均处理时间从 40 分钟压缩到 6 分钟以内。
下一步计划：接入温度、湿度与风速等气象字段，将计数结果与迁飞条件联合建模，输出面向乡镇的短期虫情提示；同时补充阴雨、露水与灯管老化等边缘样本，持续观察误检率的变化。
评论