田间虫情测报灯每晚产生数千张诱捕图像，人工计数既慢又难以复现。本轮实验把任务拆成两步：先做虫体检测与去重，再做种类归类与计数校准。
数据来自三个站点的水稻与玉米田块，约 1.2 万张标注图像。难点集中在三处：虫体堆叠造成遮挡、夜间补光带来的高光与阴影、鳞翅目近缘种形态高度相似。检测端用轻量分割网络分离粘连虫体，再以形态学后处理修正断裂；分类端引入拍摄日期与积温作为辅助特征，对易混类别做概率约束，避免把非目标昆虫计入。
阶段性结果：稻飞虱、二化螟、玉米螟等常见目标害虫的计数相对偏差由人工基线的约 18% 降至 7% 以内；12 类种类归类的加权 F1 约 0.86。近缘种与残缺个体仍是主要误差来源。
要点：
- 当前策略：按站点分别标定阈值，把温湿度与灯管老化程度作为输入特征，而非使用全局统一模型。
- 下一步：接入未来三天天气与积温，输出迁飞代次与防治窗口提示，并在两个新站点做跨域验证。
评论