在稻飞虱与二化螟的测报场景中，我们尝试用灯诱图像替代人工逐日计数。难点不在分类，而在密度：单张4000×3000图像里常出现30~200头虫体，翅面重叠、鳞片反光、夜间补光不均，直接套用通用检测模型漏检率偏高。目前链路是先在灯下加装挡板与漫射光源，把虫体落点限制在固定白板区域；再用背景建模剔除雨滴、草屑与光斑；最后以密度回归替代逐头框选，输出每夜虫口估计值，而非追求精确个体数。
- 阶段性进展：在场站三个月数据上，稻飞虱单夜虫口估计与人工计数的平均相对误差约12%，高峰夜（>100头）收敛至8%以内；低虫量夜间误差偏大，仍保留人工复核环节。
- 下一步：融合温度、风速与前一晚灯诱量，做3天迁飞趋势预测，并验证跨场站的模型迁移成本。
我们暂不追求种类级的全自动鉴定，优先把“今夜是否需要下田查”这个判断做稳。
评论