虫情测报灯每晚产生数百张粘板或传送带图像，人工计数费时且口径不一。我们与植保站合作，在三个水稻监测点采集夜间图像，尝试用视觉模型自动计数稻飞虱与叶蝉。
现场难点在于目标仅十余像素、虫体堆叠、露水反光与背景杂质干扰。当前方案采用分块推理加尺度自适应锚框，用类别重平衡缓解优势虫种对训练的压制；对重叠目标先做密度回归，再按连通域峰值拆分。为便于植保员使用，输出只保留按日汇总的虫量曲线与置信度区间，可疑图像回传人工复核。
进展：在两个月试点数据上，主要虫种计数的平均绝对百分比误差已降至 10% 以内，误报多集中于非虫体杂质。下一步接入温湿度与风向数据，联合迁飞模型输出 3 天内迁入风险提示，并在更多站点验证跨区域泛化。
评论