测报灯诱捕的昆虫图像里，目标常常只有几十像素，翅面鳞片与触角在夜拍光源下粘连成团；同一晚不同时段的光照、背景湿度与虫体姿态也不一致，直接套用通用检测模型，计数偏差主要来自粘连个体被当作一个目标、以及同类虫体重复计数。农业AI实验室近期的实验性工作，把这一环节拆成检测、去重、分类、趋势四步：检测端用轻量骨干网在边缘盒上完成小目标定位，再按连通域面积做峰值分离，切分粘连个体；去重端引入跨帧配准，把同一只虫在连续拍摄中的多次出现合并；分类端对常见二十余种给出种名，对长尾种类只输出到科或属并标记待复核，避免用低置信度结果污染虫情曲线。
要点：
- 阶段数据：在自建约1.2万张夜拍图像上，粘连个体的计数误差由人工抽检基准的±18%收窄到±7%；长尾种类改为科/属回退后，误报率下降约四成。
- 下一步计划：接入积温与气象数据，把逐日计数转成发生趋势曲线，验证能否提前3~5天给出防治窗口提示。
对农技场景而言，可用的趋势比单张图的绝对分类精度更重要，这也是本阶段评估指标从准确率转向趋势一致性的原因。
评论