田间虫情测报长期依赖人工开箱、肉眼计数，一个测报员一天要处理十几张粘虫板。我们在实验室搭了一套灯诱图像识别流程：测报灯夜间自动拍照，白天回传，模型完成「检出—计数—种类初判」三步。
进展：在三个水稻监测点采集了整个生长季约 4200 张夜间图像，标注 11 类常见目标害虫。灯下虫体密集粘连，体长从 2mm 到 20mm 不等，因此先用密集小目标检测框出虫体，再用轻量分类头区分近缘种。目前稻飞虱、二化螟等主要目标害虫的计数与人工复核偏差约 ±15%，少见种只输出「有无」提示，不下定论。
下一步：把模型压到 2W 级边缘盒子上随灯就地推理，只回传计数与告警，降低流量与人工负担；同时补充不同虫态与不同季节的样本，观察漂移对误判的影响。
虫情数据本身是概率信号，我们的定位是提示「什么时候该去田里看一眼」，而不是替代测报员。
评论