在智慧农业场景里，虫情测报灯每晚可产生数千张灯诱图像，人工计数既慢又难保持一致。农业AI实验室近期把重点放在“计数校准”而非单纯的分类精度上：先用轻量检测模型筛出虫体候选框，再按虫体长宽比、翅纹与体色做二次归类，最后与人工抽样计数做比例回归，输出带置信区间的虫量估计。
阶段性进展：
- 在三个水稻监测点、连续六周的对照中，模型对稻飞虱、二化螟等主要害虫的计数与人工计数平均相对偏差约12%，夜间高湿导致的虫体粘连是主要误差来源；
- 边缘端采用量化后的小模型，单张图像推理约80ms，满足每10分钟一轮的采集节拍，按周回传难例，人工只复核低置信样本。
下一步计划：补充粘连虫体的分割样本，并把温度、风速等气象数据纳入计数修正项，观察能否降低雨夜场景的计数偏差。
评论