AI虫情测报定制：灯下图像计数与种类初筛

诱虫灯图像计数是虫情测报里常被低估的一环：夜间补光造成虫体高反差、翅面反光，叠加虫体堆叠，直接套用通用检测模型时计数误差往往超过 15%。本实验室在 3 个蔬菜基地部署 6 台测报灯，连续采集 4 个月、约 2.3 万幅灯下图像，完成了一轮工程化验证。

· 检测头改为密度图回归。对粘连虫体不强行分割，用密度峰值积分得到数量，计数 MAE 从 12.4 头/幅降至 4.7 头/幅；常见 8 个目标种 top-1 准确率 92.1%。
· 长尾问题仍在。稀有种类样本不足 200 张，识别准确率仅 61%，当前策略是低置信度样本转人工复核并回流标注，暂不做自动定种。

下一步把逐日诱虫量与环境温湿度、风速风向做时序对齐，验证能否对迁飞高峰提前 1~2 天给出提示；同时将模型量化至边缘设备，单幅推理控制在 300 ms 内，降低现场回传带宽压力。