AI虫情测报定制：灯诱图像识别与计数校准

智慧农业场景下的虫情测报长期依赖人工数虫，效率低、主观差异大。本实验室近期围绕灯诱图像的自动识别与计数做了一轮实验性验证：在常规虫情测报灯上加装低功耗成像模块，按固定间隔拍摄集虫板，图像回传后先做光照归一化与背景分离，再对粘连、重叠虫体做形态分割，最后按体长、翅型等特征归类到主要害虫类别。

实际运行中最棘手的是重叠虫体与鳞翅目翅面破损带来的误分，单靠分类模型并不够。我们的做法是引入人工抽检样本反推计数偏差并做回归校正，先保证总虫量趋势可用，再逐步细化到种类。

要点：
· 进展：在某水稻试验点连续运行 6 周，主要害虫（稻飞虱、二化螟）分类准确率约 85%~90%，总计数偏差由人工目测的 ±25% 收敛到 ±10% 以内。
· 下一步：补充不同作物、不同季节的样本，接入温湿度与降雨数据，尝试把虫量曲线与发生期预测结合，输出防治阈值提醒。