在智慧农业方向的实验中，我们把虫情测报灯的夜间拍照数据作为研究对象，目标是让系统自动完成虫体计数与常见虫种归类，替代目前仍以人工查看为主的做法。
难点集中在三处：一是小目标问题，灯下蛾类与小型飞虫体长差异可达数倍，小虫在整幅图中仅几十个像素；二是成像干扰，灯管反光、虫体堆叠粘连会破坏轮廓；三是类别极不均衡，优势种常占九成以上，整体准确率容易被优势种掩盖。
我们的做法是把问题拆开：分块高分辨率成像后，检测阶段只判定「虫体/非虫体」，降低标注难度；分类阶段采用按类别重加权的损失函数，并对错分样本做定向回采；评价上不用单张图片准确率，而是用连续多晚的灯下计数曲线与人工复核做比对。
要点一：在某植保站点连续 30 天试点中，二化螟、稻纵卷叶螟等主要靶标害虫的自动计数与人工复核平均偏差控制在 15% 以内，可支撑短期趋势判断。
要点二：优势种之外的小类召回率仍约 60%，尚不足以做精确虫种报告，目前仅作提示。
下一步计划补充少样本虫种的合成增广与跨站点图像风格对齐，并把按日汇总的虫情曲线接入既有植保预警流程，先解决「看得见趋势」，再逐步收敛到「分得清虫种」。
评论