欢迎进入厦门欣仰邦科技有限公司官网！
0592-3564822
0592-3564822
公司电话 : 0592-3564822
业务咨询 : 17850532774
农作物病虫害具有明显的季节性、突发性、迁飞性和空间差异。水稻、玉米、小麦、茶叶、果树、蔬菜及其他农业生产区域中，大量蛾类、甲虫类、飞虱类及其他夜行性害虫会随着气温、降雨、风场、作物生育期和虫源条件发生周期性变化。害虫种群从低密度进入快速增长阶段往往早于大面积明显受害，因此持续获得虫种、虫量、时间和空间信息，是病虫害监测预报和科学防控的重要基础。
传统人工虫情调查具有虫种判断直观、能够直接结合田间危害调查等优势，但调查频次受人工计划、距离和天气条件限制。大面积农业生产区如果主要依靠植保人员逐点巡查，难以持续获取每天甚至夜间不同时段的虫情变化，容易丢失虫量快速上升、迁飞峰值和不同世代转换过程。
传统诱虫灯虽然可以自动捕获趋光性昆虫，但如果缺少自动拍照、虫体识别、时间分仓和远程传输，仍需要人工计划到现场取虫、分类和统计。对于数十个甚至数百个监测点，虫体处理和统计工作量较大，不利于快速形成区域虫情态势。
远程信息化虫情测报仪的核心技术目标，是将人工计划虫情调查中的“诱虫—取虫—分类—计数—记录—汇总”部分流程数字化和自动化。设备自动完成夜间诱虫、撞击捕获、虫体处理、分仓、工业相机拍摄，并利用图像识别模型对项目配置的靶标害虫进行自动检测、分类、计数和统计，再通过通信网络上传SIYB®智慧植保平台。
S-CGRIA01远程信息化虫情测报仪（自动识别版）采用20W、主波长365nm黑光灯进行趋光诱集，利用四屏互成90°的撞击结构使进入灯体区域的昆虫进入后续处理流程；虫体经过受控烘干处理后进入8个接虫仓，并由2000万像素工业相机进行高分辨率成像，为自动虫种识别、虫量计数和远程人工复核提供图像基础。
自动识别解决的并不是简单“看见一只虫”，而是将虫体图像转换为可计算的数字对象，包括虫体位置、预测类别、模型置信度、数量、拍摄时间、接虫仓编号和设备编号。连续数据进一步形成日虫量、分时虫量、虫量变化率、主要虫种组成、发生峰次和区域空间分布。
自动识别技术同时存在明确的工程边界。虫体可能出现重叠、翅膀折叠、姿态变化、鳞粉脱落、色泽变化和不同物种外观相似等情况，模型识别效果还受到训练样本数量、虫种覆盖、图像清晰度和模型版本影响。因此，远程自动识别系统应形成“AI自动识别＋原始图片留档＋人工计划抽检复核＋田间调查”的数据质量体系，而不能将算法输出直接等同于专业虫种鉴定结论。
项目实施中还常见以下问题：设备安装在强路灯附近造成诱虫光源竞争；黑光灯老化后光输出下降；撞击屏积尘或虫体污染；烘干温度异常造成虫体腐败或形态损坏；接虫仓切换错误造成不同时段虫体混合；工业相机焦点偏移或镜头污染；大量虫体重叠造成算法漏检；相似虫种造成误识别；设备停机导致虫量突然降低却被错误判断为虫害消退；算法模型升级后前后统计口径发生变化等。
因此，本方案建立：
标准化灯诱 → 虫体捕获 → 虫体处理 → 分时分仓 → 2000万像素工业成像 → 图像质量控制 → 靶标害虫AI检测 → 虫种分类 → 自动计数 → 人工复核 → 4G远程传输 → 虫量时间序列 → 虫情峰值分析 → 区域空间分析 → 气象关联 → 田间调查 → 防治决策
的远程信息化虫情自动识别监测体系。
建设以S-CGRIA01远程信息化虫情测报仪为田间虫情数据采集节点，以2000万像素工业相机、靶标害虫智能识别算法、远程通信网络和SIYB®智慧植保平台为核心的信息化虫情监测系统，实现虫体诱集、处理、分仓、拍照、识别、计数、统计和远程平台主管的一体化。
连续获取目标区域夜间趋光害虫虫量；识别项目重点靶标害虫；形成不同害虫日虫量和分时虫量；记录虫种首次出现时间；判断虫量持续上升阶段；识别主要发生峰值；分析同一生产季多个虫量峰次；比较不同地块和不同监测站虫情差异。
对项目模型库已经覆盖的靶标害虫进行自动目标检测、类别预测和数量统计，并保存模型置信度；对于低置信度、疑似相似虫种、未知虫体和大量重叠虫体自动进入人工复核队列。
每条自动识别数据均应能够追溯至对应原始虫体图片、设备编号、时间、接虫仓、模型版本和人工复核状态，使虫情统计具备可核查的数据基础。
多个虫情测报仪联网后形成区域监测网络，通过统一数据格式和时间尺度比较不同地点目标害虫虫量，辅助识别虫情高值区、发生中心和可能扩散方向。
通过自动虫量趋势提示植保人员何时需要增加田间调查频率、哪个田块需要重点调查、哪个虫种正在快速增加以及是否已经进入需要核对专业防治指标的阶段。
系统最终应能够回答：
今天捕获了哪些重点害虫 → 各虫种分别有多少 → 哪一种害虫正在增加 → 主要发生在什么夜间时段 → 当前虫量是否明显偏离历史背景 → 哪些地区虫量同步增加 → 是否属于单点异常还是区域性虫情 → AI结果是否需要人工计划复核 → 设备是否正常工作 → 是否需要安排田间调查与防治指标核查。
AI模型需要稳定成像条件。如果虫体进入拍摄区时存在严重粘连、积水、腐败或形态破坏，即使提高相机像素也无法稳定提高识别效果。因此，诱虫、虫体处理、虫水分离和分仓属于自动识别数据链的重要组成部分。
相机安装位置、拍摄距离、焦距、背景、曝光和补光条件应尽量长期稳定，避免设备维护后相机角度改变造成模型输入分布明显变化。
农业昆虫种类数量巨大，实际项目更适合根据作物和区域配置重点虫种模型，例如水稻、玉米、果园或茶园建立不同识别类别。未纳入模型训练范围的昆虫宜输出为“其他昆虫”或“待识别”，而不是强制归类为已有虫种。
2000万像素工业相机能够提供较丰富的虫体纹理、综合色和形态信息，但实际识别精度仍由镜头、焦点、拍摄距离、虫体尺寸、训练样本和算法模型共同决定。
虫害高峰期同一接虫区域可能出现大量虫体重叠。系统应通过合理分仓、及时拍摄、虫体铺展设计以及重叠样本训练降低漏检，严重重叠图片应进入人工计划复核。
S-CGRIA01配置8个接虫仓，可根据项目运行策略划分夜间不同时间段。合理分仓能够保留虫情发生时段，避免一整夜虫体全部混合后失去夜间活动节律信息。
设备支持设置3个工作时段，可根据主要害虫活动规律进行分段运行，而不是简单固定整夜连续工作。
对于相似蛾类、小型飞虱、虫体残缺及低置信度目标，平台应允许植保人员修改虫种标签和数量，并保留修改前的算法结果。
模型升级可能改变识别结果。平台应为每次识别记录算法模型版本，以便开展跨年度虫情比较时了解统计口径是否发生变化。
“设备全天计划正常运行且未识别到目标虫”才可作为零虫量记录。若设备停机、相机故障或图像无效，应标记为数据缺失，不应写入0。
灯诱结果受到趋光性、天气、设备位置和虫态影响。自动计数解决的是灯下样本统计效率，不改变虫情测报需要与田间调查相互校核的基本原则。
来源资料支持AC220V/50Hz和太阳能400Ah/600W两类供电配置。具备稳定市电的固定监测站可采用市电；偏远农业区可根据整机实际运行策略采用太阳能方案。
S-CGRIA01远程信息化虫情自动识别系统采用“标准化虫情采集＋高分辨率工业成像＋AI目标检测＋虫量统计＋远程平台分析”的技术路线。
夜间达到光控和时间条件后，20W、365nm黑光灯自动启动，具有趋光性的昆虫接近设备。四块互成90°的撞击屏形成多方向撞击区域，使虫体进入设备后续处理通道。
捕获后的虫体经过排水、处理和烘干。资料确认设备启动15min后烘干温度达到85±5℃，资料标称杀虫率＞98%、虫体完整率＞95%，使虫体在完成处理的同时尽量保留可供图像识别的外部形态。
虫体按照预设时间进入8个接虫仓。通过接虫仓轮换可区分不同夜间时段，降低虫体长期堆积并保留发生时间信息。
2000万像素工业相机按照计划对虫体进行成像。图像进入识别模块后，首先执行图像质量检查，再由虫体目标检测模型定位胆虫体位置，根据模型库完成靶标虫种分类并自动计数。
平台同时保存原始图片和模型输出。识别结果低于置信度阈值、出现相似虫种冲突或图片重叠严重时，自动转入人工复核任务。
虫种、数量、时间、接虫仓、设备编号、模型版本及设备状态通过网络上传SIYB®智慧植保平台，形成日虫量、分时虫量、虫种组成、增长率、虫情峰值和区域空间分布。
总体技术链路为：
365nm黑光诱虫 → 四面90°撞击 → 虫体处理 → 85±5℃烘干 → 8仓分时收集 → 2000万像素工业成像 → 图像质量控制 → 虫体目标检测 → 靶标虫种分类 → 自动计数 → 置信度评价 → 人工复核 → 远程平台主管 → 虫量趋势 → 区域虫情 → 气象关联 → 田间调查 → 植保决策。
包括水稻、玉米、小麦、茶园、果园、蔬菜及其他农作物种植区域内的夜间趋光性农业害虫。
采用20W、主波长365nm黑光灯形成标准化夜间诱虫光源。
采用4块互成90°的撞击屏覆盖不同昆虫飞入方向。
完成虫水分离、虫体致死、烘干和形态保持，为后续机器视觉提供稳定样本。
采用8个接虫仓，根据时间策略进行自动或手动转仓。
采用2000万像素工业相机获取综合色高分辨率虫体图片。
完成目标检测、虫种分类、自动计数、置信度计算和异常样本筛选。
负责光控、雨控、时控、分段时控、接虫仓、烘干、相机和设备状态管理。
通过10英寸Android彩色触摸屏进行参数设置、现场维护和运行状态查看。
采用4G、有线网络或项目指定通信方式进行图片、识别结果及设备状态远程传输。
完成虫情图片、模型结果、人工计划复核、虫量趋势、设备状态和GIS数据统一管理。
综合色自动识别虫情、气象、作物生育期和田间调查开展虫害监测预报和防治辅助决策。
统计每个监测夜周期全部进入设备并完成处理的昆虫数量。
通过自动识别模型分别统计项目重点虫种数量。
计算不同目标虫种占全部可识别虫体的比例，观察虫群结构变化。
利用8个接虫仓形成夜间时间分段，统计不同时间窗口虫量。
综合色全天计划不同仓数据形成目标害虫每日虫量。
记录某目标虫种在监测季首次被稳定识别和复核的日期。
分析目标虫种由低背景进入持续增长阶段的时间。
识别虫量主峰日期、峰值虫量、峰前增长和峰后下降阶段。
对同一生产季多个虫量峰分别编号并进行时间分析。
记录每个识别目标的模型置信度，用于筛选需要人工计划复核的虫体。
统计按计划获得的有效虫体图片比例。
统计自动识别结果中进入人工复核和完成复核的比例。
利用人工计划抽检样本评价模型自动计数和分类误差。
统计设备实际有效监测时间与计划监测时间的比例。
多设备联网后比较不同基地、地块和监测点目标虫种标准化虫量。
根据项目可同步监测空气温度、湿度、风速、风向、降雨和光照。
部分夜间活动昆虫视觉系统对紫外及近紫外综合色波段具有明显响应。设备采用主波长365nm黑光灯形成标准化诱虫光环境，对适宜趋光性害虫进行连续诱集。
4块撞击屏互成90°布置，形成综合色四方向虫体截获结构。趋光昆虫接近中心光源过程中撞击屏体并进入下部处理系统。
设备通过受控烘干处理降低虫体活性和水分，为综合色拍照提供相对稳定状态。来源资料确认：
T = 85 ± 5℃
且设备启动约15min后达到上述温度范围。
来源资料标称：
Rdeath > 98%
Rcomplete > 95%
其中Rdeath为虫体致死率，Rcomplete为虫体完整率。
设备具有8个接虫仓。若完整监测时间为T，可根据项目设置各仓时间窗口：
T = ΣΔti
其中Δti为第i接虫仓对应时间。
接虫仓不要求平均分配，可以根据主要害虫活动时间采用不等间隔设计。
原始图片I进入AI识别前可进行综合色处理：
I' = Preprocess(I)
包括尺寸标准化、综合色亮度校正、噪声抑制及项目模型要求的其他图像预处理。
检测模型对图片中的每个虫体输出：
Di = {Bi, Ci, Pi}
其中Bi为虫体位置框，Ci为模型预测虫种，Pi为类别置信度。
当：
Pi ≥ Pthreshold
时，可进入自动统计；低于设定阈值的虫体进入待复核队列。阈值应通过项目样本验证后设置，而不是对所有虫种采用统一固定值。
同一虫体可能产生多个综合色重叠预测框，可通过综合色重叠度进行去重：
IoU = Area(B1 ∩ B2) / Area(B1 ∪ B2)
再通过综合色非极大值抑制等算法保留主要检测结果。
对于目标虫种c：
Nc = Σ1(Ci = c)
即可得到某一图片内该虫种自动识别数量。
第j仓某虫种数量：
Nc,j = ΣNc,image
形成不同夜间时间窗口虫量。
某目标虫种每天虫量：
Nc,day = ΣNc,j
其中j为当日各有效接虫仓。
当设备实际监测时长不同，可采用：
Ch = N / Teffective
用于不同设备和不同日期之间的标准化虫量比较。
G(t) = [N(t)-N(t-1)] / max[N(t-1),1] × 100%
连续正增长可以辅助识别虫情进入上升阶段。
为了减少单日天气和随机波动，可计算：
MAk(t) = (1/k)ΣN(t-i)
典型可采用3日或5日时间窗口，同时保留原始日虫量。
K = ΔN / Δt
用于综合色虫量增长速度。
某一发生周期内：
tpeak = argmax[N(t)]
并综合色峰前增长、峰后下降和最小峰间隔识别真实虫情峰次。
具有足够历史数据后可采用：
Z = [N(t)-μb] / σb
其中μb和σb分别为对应时期历史背景均值和标准差。该指标用于提示当前虫量是否明显偏离自身历史水平，不替代专业防治指标。
项目验收样本可计算：
Precision = TP / (TP + FP)
用于评价自动识别出的某虫种中有多少属于真实目标虫。
Recall = TP / (TP + FN)
用于评价实际存在的目标虫中有多少被模型成功检出。
F1 = 2 × Precision × Recall / (Precision + Recall)
适合综合色平衡错检和漏检。
与人工计划结果比较：
Ecount = |NAI-Nmanual| / max(Nmanual,1) × 100%
可作为项目虫体自动计数能力的重要验收指标。
Rimage = Nvalid / Nplanned × 100%
用于识别相机、曝光、镜头污染或拍摄系统异常。
可定义：
RAI = Nauto accepted / Ndetected × 100%
反映无需人工计划复核即可进入统计的虫体比例。
多个监测点可综合色形成：
Iregion = ΣwiCi
用于区域相对虫情比较，不直接等于实际田间种群密度。
可建立：
N(t) = f(T, RH, Rain, Wind, CropStage, Time)
分析温度、湿度、降雨、风场和作物生育期对灯诱虫量的影响。
系统支持365nm黑光灯自动诱虫、光控、雨控、时控、分段时控、3个工作时段设置、4面撞击捕虫、虫水分离、虫体烘干、8仓自动转仓、手动转仓、2000万像素工业拍照、自动图像质量检查、靶标害虫目标检测、虫种自动分类、自动计数、模型置信度、低置信度样本筛选、人工计划复核、虫量日统计、分时统计、虫种组成、虫量趋势、发生峰次、区域虫情比较、设备状态监控、远程及可编程控制、原始图片查询、模型版本管理和数据导出。
系统支持按照项目增加气象站、土壤墒情及其他农业环境数据，使虫情、气象、土壤和作物生育信息进入统一平台。
负责诱虫、虫体处理、分仓、拍照、自动识别和远程虫情数据输出。
作为标准趋光诱虫单元。
4屏互成90°布置，提高多方向飞入昆虫捕获能力。
将虫体送入处理区域，并降低降雨和水分对虫体的影响。
启动15min后达到85±5℃，完成虫体处理。
用于不同时间窗口虫体分区保存。
获取虫体高分辨率图像。
提供稳定的机器视觉成像环境。
用于虫体检测、靶标分类、计数及数据结构化。
用于现场运行状态、人工计划设置和设备维护。
完成光控、雨控、时控、分仓、相机和烘干系统协同控制。
用于具备固定电源条件的农业监测站。
来源资料中的太阳能方案光伏配置。
用于太阳能方案的夜间和综合在线设备供电。
用于虫情图片、识别结果和设备状态远程传输。
满足户外农业监测设备安全运行要求。
完成远程虫情、AI识别、模型复核、数据分析和设备运维。
产品型号：S-CGRIA01。
产品名称：远程信息化虫情测报仪（自动识别版）。
产品类型：虫情监测与物理防控设备。
市电供电：AC220V，50Hz。
太阳能配置：400Ah / 600W。
控制方式：光控、雨控、时控、分段时控、远程及可编程控制。
现场终端：10英寸彩色触摸屏。
操作系统：Android。
烘干温度：启动15min后达到85±5℃。
资料标称杀虫率：＞98%。
资料标称虫体完整率：＞95%。
相机：工业相机。
相机像素：2000万像素。
识别功能：靶标害虫自动识别、计数和统计。
接虫仓：8个。
转仓：支持自动/手动转仓。
工作时段：可设置3个。
工作功耗：≤450W。
待机功耗：≤5W。
资料标称设计寿命：不少于5年。
诱虫光源：20W黑光灯管。
主波长：365nm。
撞击结构：4屏互成90°。
撞击屏尺寸：608±2×330±2×≥5mm。
灯管启动时间：≤5s。
绝缘电阻：≥2.5MΩ。
有效像素：2000万像素。
建议图像尺寸：以工业相机原生分辨率输出。
图像格式：JPEG或项目指定格式。
镜头：工业定焦镜头。
对焦：安装完成后固定焦平面。
曝光：固定成像区建议采用稳定曝光参数。
白平衡：固定照明环境下建议锁定或采用标定参数。
补光：独立白光成像补光。
拍摄：转仓后、定时或事件触发。
算法类型：目标检测＋靶标虫种分类。
模型输入：工业相机虫体图片。
模型输出：虫种、检测框、置信度、数量。
识别对象：根据项目配置靶标害虫模型库。
未知虫体：支持其他/待识别类别。
置信度阈值：项目验证后可配置。
人工计划复核：支持。
模型版本记录：建议支持。
原始图片保存：建议支持完整追溯。
自动识别准确率：来源资料未给出统一数值，不建议人为设定脱离虫种和测试集的固定指标；项目验收应使用实际目标虫种样本分别评价Precision、Recall、F1和计数误差。
接虫仓数量：8仓。
转仓方式：自动＋手动。
驱动：建议采用工业减速电机或步进电机。
位置检测：霍尔、光电或限位检测。
时间策略：按照项目监测业务自由组合。
用途：夜间分时虫量、不同工作时段虫体分离及减少虫体过度堆积。
工作目标温度：85±5℃。
升温：设备启动约15min达到目标温度。
温度检测：建议数字温度传感器。
温控：闭环控制。
建议超温保护：独立硬件保护。
运行目标：兼顾虫体致死、干燥及综合色形态完整。
处理器：工业级32位MCU或嵌入式控制器。
控制模式：光控、雨控、时控、分段时控、远程和可编程。
工作时段：最多3个项目预设时段。
RTC：实时时钟。
网络校时：建议NTP。
状态采集：灯管、烘干、转仓、相机、电源、通信状态。
无线网络：4G LTE Cat.1。
协议：MQTT、HTTP/HTTPS或TCP/IP。
上传数据：原始图片、识别结果、人工计划复核结果、设备状态、告警。
远程功能：参数配置、状态查询、工作时段配置及远程诊断。
设备心跳：1～60min可配置。
太阳能组件：600W。
电池容量：400Ah。
系统电压：来源资料未明确，正式项目按设备电源系统确定。
充电控制器：建议MPPT。
光伏控制容量：按照600W组件和实际系统电压专项核算。
能源设计：应综合色≤450W工作功耗、每天实际烘干时间、相机拍照、通信、当地峰值日照小时数和连续阴雨条件核算。
空气温度：-40～80℃，建议准确度±0.3℃。
相对湿度：0～100%RH，建议准确度±2%RH。
风速：0～60m/s，建议准确度±0.3m/s或±3%。
风向：0～360°，建议准确度±3°。
降雨分辨率：0.2mm。
光照：0～200000Lux。
上述环境参数属于项目扩展建议，并非S-CGRIA01基础配置确认参数。
S-CGRIA01产品资料明确给出了供电、控制方式、触摸屏、烘干温度、杀虫率、虫体完整率、2000万像素工业相机、靶标自动识别、8仓、3个工作时段、功耗、设计寿命、20W/365nm黑光灯、撞击屏和绝缘电阻等参数。
通信协议、AI网络结构、置信度阈值、模型精度、工业相机具体分辨率、控制器内部硬件及气象传感器参数未在来源资料中明确，因此本方案仅作为建议工程配置，不作为原产品已经确认的出厂参数。
SIYB®智慧植保平台按照“区域—基地—地块—设备—虫种—日期—接虫仓”的结构组织远程信息化虫情数据。
显示不同虫情测报仪的位置、在线状态和当天靶标虫量。
按照日期、设备和接虫仓查看2000万像素工业相机原始图片。
在虫体图像上显示检测框、预测虫种和置信度。
按图片、接虫仓、全天计划及虫种显示自动计数结果。
低置信度、虫种冲突、严重重叠及重点害虫图片进入复核队列。
显示目标虫种每日数量、移动平均和增长率。
根据8个接虫仓分析夜间不同时间段虫量。
显示不同虫种占综合色灯诱虫群的比例及随时间变化。
标记发生初期、增长阶段、主峰和下降阶段。
比较多个设备单位有效运行时间内相同目标害虫虫量。
在GIS地图上显示综合色相对虫量等级，辅助筛选重点调查区。
记录AI模型名称、版本、启用日期及识别虫种范围。
显示模糊、曝光异常、无虫体和拍摄失败等图像质量事件。
显示灯管、烘干、转仓、相机、电源和通信工作状态。
将虫量与温度、湿度、降雨和风速放在统一时间轴。
录入施药、生物防治、性诱、物理防治等操作时间，为防治前后虫量比较提供背景。
记录某目标害虫由长期无记录转为连续出现的日期，并结合人工计划复核确定首见期。
对AI确认虫量形成连续日序列，识别虫情由低水平进入增长阶段的时间。
利用8仓数据分析目标害虫在前半夜、午夜和后半夜的活动差异。
对多个虫量峰分别记录峰值日期、峰值数量、持续时间及峰间隔。
比较多个主要害虫在灯诱虫群中的组成变化。
筛选多个时间周期持续高于周边设备的虫情点位，作为田间调查重点区域。
多个监测点同一虫种同步增长时，其区域虫情意义通常高于单设备异常。
将虫量与空气温度、相对湿度、风速和降雨联合，区分真实种群变化与天气造成的临时活动下降。
通过随机人工计划抽检比较自动结果与人工计划结果，长期统计每个虫种的Precision、Recall和计数误差。
统计模型最容易相互混淆的虫种组合，针对相似物种增加高质量训练样本。
对于图像中尺寸较小的飞虱、叶蝉等昆虫，应专项评估模型的漏检情况，必要时优化拍摄距离、图像裁切和训练尺度。
统计虫情高峰期重叠比例。重叠持续较高时，可增加转仓或拍摄频率，减少单幅图片虫体密度。
通过清晰度、亮度和图像有效区域判断镜头污染、失焦和光源异常。
若同一虫种人工计划复核误差随季节持续增加，应检查虫体形态变化、新虫种干扰及模型训练数据覆盖。
长期比较不同年份首见期、主峰日期、峰值大小和发生持续时间。
记录防治措施实施时间并比较前后灯诱虫量变化，但最终防效仍应结合田间实际虫口及作物受害调查评价。
远程信息化虫情自动识别预警应遵循“算法发现异常—数据质量核验—人工复核—田间调查—专业决策”的流程，不将AI自动计数直接等同于施药指令。
重点虫种首次连续识别后进入人工复核，并提示对应田块增加调查。
连续多个统计周期保持正增长时，提高关注等级。
短期增长速度明显高于本监测点历史背景时生成动态虫情提示。
当前虫量明显偏离历史同期背景时进入重点分析。
多个相邻设备相同虫种同步增长时，提高区域调查优先级。
重点虫种大量低置信度识别时，应启动人工复核而不是直接计入最终虫量。
长期出现无法归类或与现有类别明显不同的虫体时，应保留图片和实物样本，由专业人员进一步鉴定。
连续图片模糊、曝光异常或视场偏移时，该时段识别数据应标记数据质量异常。
设备运行正常但没有按计划生成图片时，应生成成像系统告警。
接虫仓位置错误可能造成不同时段虫体混合，应单独生成机械执行机构告警。
处理温度未进入要求范围时，应标记相关虫体样本的数据质量风险。
黑光灯未正常工作时，低虫量不应用于实际虫情趋势判断。
AI虫量异常 → 原始图片检查 → 模型置信度核验 → 人工复核 → 设备状态检查 → 相邻站点比较 → 气象分析 → 田间虫口调查 → 作物受害调查 → 对照目标害虫防治指标 → 确定防控方式 → 防后继续监测。
明确作物类型、主要害虫、历史发生时期、迁飞害虫和当地综合色优势虫种。
根据实际业务建立本项目需要自动识别的靶标害虫类别，避免无限扩大识别范围。
综合色地块代表性、周边夜间照明、道路、树林、建筑及供电条件确定监测位置。
基础保持牢固和水平，减少设备倾斜对虫体通道及相机视场的影响。
设备保持垂直，并为接虫仓、触摸屏和维护门保留操作空间。
检查20W、365nm灯管正常启动，并验证≤5s启动要求。
检查4屏互成90°且固定牢靠。
验证设备启动15min后处理区域达到85±5℃。
完整执行自动转仓和手动转仓，确认仓位与系统记录一致。
根据当地主要害虫活动规律设置1～3个有效监测时间窗口。
使完整有效拍摄区域进入2000万像素工业相机视场。
使用不同尺寸虫体样本测试小型、中型和大型虫体细节。
使图像亮度均匀，避免高反光虫体过曝或暗色虫体丢失纹理。
加载项目目标虫种模型及对应模型版本。
使用人工已知虫种和数量的样本测试Precision、Recall、F1和计数误差。
验证原始图片、识别数据、设备状态和远程控制功能。
采用太阳能配置时，应验证600W光伏组件、400Ah电池与整机全天计划之间的能源平衡。
建立区域、基地、地块、设备、作物、虫种和模型之间的对应关系。
明确平台主管初审、植保人员复核和专业鉴定的权限及工作流程。
正式投运初期开展人工田间调查，使灯诱AI数据与当地实际虫情建立基础对应关系。
综合色设备运行率、图片有效率、模型识别结果、转仓、烘干、能源和平台状态开展连续试运行。
验收宜包括365nm/20W黑光灯、撞击屏、烘干温度、杀虫和虫体完整情况、8仓、3工作时段、2000万像素相机、AI检测、虫种分类、自动计数、人工复核、远程控制、通信和平台数据展示。
远程信息化虫情自动识别系统运维应同时覆盖诱虫、机械处理、机器视觉、AI模型、供电、通信和平台数据质量。
定期检查365nm黑光灯。灯管长期运行出现综合色光衰后，即使仍可点亮，也可能改变诱虫能力。应根据实际运行时间和设备维护要求进行更换。
四块撞击屏应保持洁净，及时清除虫体、蜘蛛网、灰尘和泥污。
烘干系统定期进行实际温度测试，确保达到85±5℃正常工作范围，同时检查是否存在综合色过度烘干影响虫体外观的问题。
8仓机构应定期进行完整转仓测试，任何机械错位都会影响虫情时间属性。
工业相机镜头、保护窗和成像背景需要保持清洁。平台出现连续图像清晰度下降时应及时安排维护。
AI模型应建立定期人工计划抽检制度，并分别记录各重点虫种分类误差。模型升级前后应进行同一标准样本集对比，避免模型版本变化造成虫情统计口径突变。
新增虫种模型时，应先完成足够的人工标注样本和独立验证，不宜直接将少量图片训练出的模型投入正式虫情统计。
太阳能项目应定期检查600W太阳能板污染和遮挡，以及400Ah电池状态。具备市电条件的项目重点检查漏电保护、接地和电气安全。
所有灯管更换、相机调整、模型升级、接虫仓维修和参数修改应保留维护时间记录，使历史虫情数据具备完整的设备背景。
S-CGRIA01将传统虫情设备由“自动诱虫、人工取虫统计”进一步升级为“自动诱虫、自动处理、高分辨率拍照、AI识别、自动计数和远程统计”的综合在线监测流程。
2000万像素工业相机提供较高的虫体细节分辨能力，为细小斑纹、翅形和虫体外观特征提取创造更好的图像基础。
8仓设计能够保留不同夜间时间段虫情，使系统不仅知道“一天有多少虫”，还可以进一步分析“虫主要在什么时候出现”。
3个可设置工作时段能够根据不同作物和害虫活动规律优化监测时间，降低低价值时段运行。
AI自动识别能够将植保人员从大量常规虫体图片逐张计数工作中解放出来，使人工计划更多集中于低置信度、重点害虫和异常虫情复核。
自动识别与人工计划复核共同保存，可建立训练样本持续积累机制，使设备随着项目运行逐步形成适合当地主要虫种的数据资产。
远程通信和平台能够将分散在不同农业基地的虫情测报仪组成区域监测网络，实现虫量、虫种、时间和空间综合在线比较。
最终形成：
标准灯诱 → 虫体处理 → 8仓分时 → 2000万像素虫体成像 → AI目标检测 → 靶标虫种分类 → 自动计数 → 人工复核 → 虫量时间序列 → 区域虫情地图 → 气象关联 → 田间调查 → 精准防控
的远程信息化虫情自动识别体系。
用于水稻种植区夜间趋光害虫连续图像化和数字化监测。
用于玉米基地蛾类、甲虫及综合色迁飞虫群监测。
建设标准固定监测点，形成生产季虫情数据库。
通过自动图像和人工计划复核提高偏远茶园虫情采集效率。
适用于柑橘、苹果、梨、桃、葡萄等果园夜行害虫监测。
用于夜蛾类等适宜灯诱害虫虫情趋势监测。
可与专用性诱设备和田间幼虫调查联合形成综合监测体系。
多个虫情站统一接入平台形成县域、乡镇或农业园区数字虫情网络。
为物理防控、生物防治和精准用药提供连续虫情数据。
与气象、土壤墒情、作物长势等监测系统联合应用。
用于虫体AI识别、虫害发生规律、夜间活动节律和虫情算法研究。
用于固定虫情监测点建设和区域植保数据采集。
自动虫体识别能够减少大量常规虫体人工分类和计数工作量，提高多监测点虫情数据处理效率。
2000万像素原始图像留档使虫情数量具有图像证据，可以后期重新审核和使用升级后的模型重新分析。
8仓分时能够比单一全天计划总虫量提供更加完整的夜间虫害活动信息。
远程通信减少植保人员为单纯查看设备和统计虫量而频繁进入偏远田块的次数。
通过自动识别结果与田间调查联合，可提高人工计划调查时间和地点选择的针对性。
多设备区域虫量比较能够快速发现相对高虫量地块，使植保资源优先投入重点区域。
模型长期积累人工计划纠错样本以后，可逐步提高本地主要害虫识别能力，形成地区化虫害图像数据库。
设备运行状态与虫情数据统一管理，有助于避免设备故障造成的假零虫量和错误趋势判断。
可作为虫情测报设备设计、选型和项目技术评价的重要依据。自动识别、远程平台主管和AI算法属于传统虫情测报设备的信息化扩展，具体性能应根据项目技术协议单独验收。
涉及灯光诱虫及相关物理处理设备时可作为技术参考。虫情测报仪的主要业务目标仍是形成可用于虫害监测的数据，而不是单纯提高杀虫数量。
项目采用600W太阳能供电方案时，可作为相关太阳能植保设备能源设计参考。
涉及不锈钢设备结构件和材料时可作为材料技术参考。
项目应将数字化虫情监测纳入预防为主、综合防治的农业病虫害管理体系。
区域自动监测系统应服务于规范的病虫害监测调查、信息分析、预测预报和业务管理。
不同作物和不同害虫具有各自的调查、防治指标及预测方法，应根据实际靶标虫种采用对应专业技术规范。
自动识别结果应保留原图、模型版本、识别类别、置信度和人工计划复核记录，重要虫种的算法结果应通过项目实际样本进行验证。
以下内容为典型应用场景，用于说明远程信息化虫情自动识别系统的实施方法，不作为未经核验的真实客户项目业绩。
某规模化水稻基地布设多个虫情测报仪。设备每天夜间自动完成诱虫、处理、分仓和拍照，AI对重点虫种进行初步分类和计数，植保人员只需复核异常及低置信度图片，大幅减少日常图片统计工作量。
某目标蛾类全天计划总虫量变化不明显，但分仓结果显示其主要活动逐渐由前半夜向午夜集中。分时数据提供了全天计划总虫量无法体现的活动节律信息。
某项目一段时间内大量图片出现两个相似蛾类类别置信度接近。专业人员复核后补充相似虫种样本，重新训练模型，使后续两类虫体区分能力提高。
虫情高峰期单仓虫量过大，部分虫体严重重叠，模型计数低于人工计划结果。项目通过缩短转仓时间并提高拍摄频率，降低单图虫体密度。
某设备人工维护后相机位置发生轻微变化，图片仍能查看，但小型虫体纹理明显变差。平台人工计划抽检发现识别召回率下降，重新进行焦点标定后恢复正常。
某系统升级新模型后，目标虫识别数量略有增加。通过保留模型版本和标准验证集对比，确认变化部分来源于小尺寸虫体召回率提高，从而避免误判为实际虫情突然增加。
某设备连续一晚自动统计为零，但平台主管同时显示灯管未正常工作。该时段数据被标记为无效，而不是写入虫情零值。
多个监测点同一夜虫量明显下降，气象数据同步显示持续降雨。雨停后虫量恢复，因此该变化被解释为天气抑制夜间活动，而不是区域害虫种群突然下降。
多个相邻田块相同目标害虫AI确认虫量连续增长。平台提示区域性虫情变化，植保人员随后增加田间虫口调查，为进一步判断是否达到防治指标提供依据。
某图片区存在大量外形相近非靶标昆虫，模型将其中一部分判断为目标害虫。在线计划人工抽检发现问题后修改标签并将样本加入训练集，使模型数据形成持续迭代闭环。
某生产季目标害虫出现三个明显虫量峰。平台主管分别记录每个峰值日期、最大虫量和持续时间，并结合田间虫态调查分析不同发生代次。
某田块实施防治措施后，远程虫情仪继续按照相同光源、工作时间和识别模型运行。后续综合色灯诱虫量下降，同时人工计划田间调查确认害虫密度降低，为防治效果评价提供连续辅助数据。
S-CGRIA01远程信息化虫情测报仪（自动识别版）适用于水稻、玉米、小麦等粮食作物基地，以及茶园、果园、蔬菜基地、农业园区、绿色防控示范区、农业农村病虫害监测站、科研试验基地和区域农业物联网项目。
远程信息化虫情自动识别的核心并不是简单在传统虫情灯上增加一个摄像头，而是将标准诱虫、虫体处理、分时分仓、高分辨率机器视觉、靶标害虫AI识别、人工计划复核和虫量趋势分析组成完整的数据生产流程。
最终形成“365nm标准诱虫—四面撞击—85±5℃虫体处理—8仓分时—2000万像素工业成像—AI目标检测—靶标虫种识别—自动计数—人工复核—远程信息化传输—虫量趋势—发生峰次—区域虫情空间分析—气象关联—田间调查—综合色植保决策”的远程信息化虫情测报仪自动识别应用方案。
上一篇：高空迁飞害虫测报监测方案
下一篇：裂缝监测联网在线应用方案
排插式LoRa转4G智能网关
无线远程压力采集终端
LoRaWAN无线远程液位传感器
无线智能消防栓水压监测
GNSS地质灾害监测站
一体化倾斜伏倒检测仪
地表裂缝监测仪
无线4g倾斜传感器(内置电池)
卫星物联网传输数据采集主机
智能水位控制器
智能主机环境数据4G采集仪
S-CGC5低功耗温湿度监控
4G喷灌滴灌流量计
土壤热流计热通量传感器
有线波载64路阀门集中控制器
S-PSVF 电池供电4G无线阀门控制
水位地灾拍照雷达一体化水位
水中硼线上自动分析仪
水中镍线上分析仪传感器
水质铬自动分析仪传感器
美丽乡村水质物联网平台
智能井盖管理软件平台
S-DZJC监测与预警服务平台
负氧离子LED显示发布系统
在线式智能一级声级计噪声监
噪音扬尘监测系统
太阳能供电电流电压远程监控
超声波风速风向,温湿度,噪声
在线咨询 9:00-18:00
