AI虫情测报定制：灯下图像计数与种类判别

测报灯每晚回传的虫板图像，是虫情监测最基础的输入，也是识别模型最难处理的一类数据：虫体密集粘连、鳞翅与鞘翅混杂、夜间补光造成高光与阴影并存。我们在农业AI实验室把这一问题拆成三段处理——先用轻量检测网络定位单只虫体，再对重叠区域做实例分割与粘连切分，最后结合形态特征与局部纹理做种类判别；对样本稀少的次要虫种，采用长尾重采样与合成样本补充，避免模型被常见虫种主导。

阶段进展：
• 在三个试验点连续两周的夜间图像上，主要虫种计数平均相对误差约 12%，粘连严重的密集帧误差升至 20% 左右；
• 边缘端单张推理耗时约 180 ms，可满足夜间逐帧处理，白天仅汇总上传。

下一步计划引入连续多晚的时序信息做趋势平滑，并把积温、湿度等气象量接入，让输出从“单晚虫量”逐步收敛为更具参考价值的虫情趋势判断。