AI虫情测报定制：灯诱图像与种群计数

在智慧农业场景中，虫情测报是植保决策的前置环节。传统灯诱测报依赖人工识别与计数，夜间图像背景杂乱、虫体小且相互遮挡，效率与一致性受限。本实验室近期围绕灯诱图像开展实验：以轻量目标检测定位虫体，再以密度估计回归重叠区域的种群数量，并结合逐日捕获曲线做时序平滑，减少重复计数。

阶段性进展：在自建数据集（含12类常见害虫、约1.8万张夜间灯诱图像）上，小目标召回率较基线提升约9个百分点；边缘端推理单帧耗时约45ms，可在田间测报灯主控上离线运行。目前正在与两个区域测报站联调，按天生成虫峰预警，并与气象因子做相关性验证。

下一步计划：引入半监督学习降低标注成本，并探索跨区域模型泛化；同时将计数结果对接植保处方图，验证减药效果。