1. 系統(tǒng)定位與學(xué)術(shù)邊界

托普云農(nóng)智能蟲情監(jiān)測(cè)系統(tǒng)，由田間終端（TPCB-Ⅰ/Ⅱ/Ⅲ/Ⅳ及AI型，亦稱智能蟲情測(cè)報(bào)燈）與"云農(nóng)植保在線"/"問稷"植保分析平臺(tái)共同構(gòu)成，是一套基于昆蟲正趨光性（Phototaxis）+光機(jī)電一體化+卷積神經(jīng)網(wǎng)絡(luò)（CNN）機(jī)器視覺+IoT構(gòu)建的野外原位害蟲種群動(dòng)態(tài)監(jiān)測(cè)體系，屬數(shù)字植物保護(hù)的前端感知與決策支持基礎(chǔ)設(shè)施。

系統(tǒng)在無(wú)人值守條件下完成"誘集→遠(yuǎn)紅外致死烘干→振動(dòng)分散平鋪→工業(yè)相機(jī)成像→邊緣/云端AI分類計(jì)數(shù)→多站點(diǎn)時(shí)空聚合→防治閾值預(yù)警"的全流程閉環(huán)，把傳統(tǒng)人工燈下目測(cè)、掃網(wǎng)調(diào)查的經(jīng)驗(yàn)性工作重構(gòu)成標(biāo)準(zhǔn)化、連續(xù)化、可審計(jì)的數(shù)字信號(hào)流。

量化對(duì)象是燈下趨光性害蟲的種群組成與消長(zhǎng)時(shí)間序列，不替代田間普查、性誘劑專捕、帶毒率分子檢測(cè)，而是為這些工作提供連續(xù)先驗(yàn)曲線。設(shè)備本體符合 GB/T 24689.1-2009《植物保護(hù)機(jī)械 蟲情測(cè)報(bào)燈》。

2. 野外終端硬件鏈路

多波段誘集單元：主波長(zhǎng)約365 nm黑光燈管或數(shù)控多波段LED燈盤（覆蓋320–680 nm），按靶標(biāo)光譜敏感峰（鱗翅目/鞘翅目/半翅目差異）切單色或復(fù)合光，夜間光控觸發(fā)、白天待機(jī)，120°互成撞擊屏導(dǎo)流落蟲。

雨蟲分離與防護(hù)：雨滴傳感+防雨百葉+蟲雨分離倉(cāng)+排水通道，降水自動(dòng)關(guān)燈排水、雨?；謴?fù)；304不銹鋼殼體、防雷擊、GPS/北斗站點(diǎn)到圖，適配稻田/茶園/果園/林草長(zhǎng)期無(wú)人值守。

遠(yuǎn)紅外處理倉(cāng)：上下雙層獨(dú)立控溫加熱，使活蟲快速致死并脫水烘干，保持背板花紋與翅脈完整，規(guī)避腐爛粘連導(dǎo)致的分割失敗。

振動(dòng)分散與傳送：高頻微振+傳送帶/旋轉(zhuǎn)托盤把蟲體單層平鋪，消除堆疊遮擋，送至垂直俯拍工位。

成像與邊緣端：工業(yè)級(jí)高清CMOS/CCD垂直俯拍，可控背景光+比例尺嵌入；嵌入式單元跑輕量CNN出粗計(jì)數(shù)，原圖回傳云端跑全量模型。

3. 算法內(nèi)核與識(shí)別原理

檢測(cè)分類：基于百萬(wàn)級(jí)標(biāo)注昆蟲圖庫(kù)預(yù)訓(xùn)練的CNN/目標(biāo)檢測(cè)網(wǎng)絡(luò)，執(zhí)行前景提取→輪廓判定→特征向量比對(duì)→Softmax分類，輸出物種名、單幀計(jì)數(shù)、體長(zhǎng)估計(jì)、置信度與邊界框。

死蟲態(tài)增益：遠(yuǎn)紅外烘干態(tài)鎖定翅展、體色、斑紋、觸角形態(tài)，較活蟲卷曲態(tài)更利于屬種級(jí)分辨（稻飛虱屬/縱卷葉螟/二化螟/草地貪夜蛾等）。

計(jì)數(shù)去重與校正：按接蟲瓶/時(shí)段分倉(cāng)避免跨日混淆；平臺(tái)支持人工框選校正，模型可按"稻田/茶園/果園/林草"靶標(biāo)庫(kù)遠(yuǎn)程熱更新。

時(shí)空聚合：?jiǎn)螣羧請(qǐng)?bào)→多燈GIS熱力→與氣象站（溫濕雨光）、作物生育期、歷史蟲情做耦合圖層，擬合遷飛峰與首見日。

4. 核心輸出指標(biāo)（按測(cè)報(bào)語(yǔ)義歸類）

種群組成：鱗翅目/鞘翅目/半翅目等靶標(biāo)逐類計(jì)數(shù)與占比（如褐飛虱、白背飛虱、稻縱卷葉螟、二化螟、草地貪夜蛾、斜紋夜蛾等）。

發(fā)生動(dòng)態(tài)：逐日誘集量、旬/月曲線、首見日、峰值日、突增事件標(biāo)記、與人工燈下計(jì)數(shù)動(dòng)態(tài)趨勢(shì)擬合度。

環(huán)境聯(lián)動(dòng)：可選配空氣溫濕度/光照/降雨量同步記錄，輸出蟲口—?dú)庀箨P(guān)聯(lián)序列。

決策產(chǎn)物：AI"問稷"體生成蟲情—作物生育期—?dú)庀笕S解析報(bào)告、閾值預(yù)警推送（APP/Web）、防治窗口建議。

5. 典型應(yīng)用場(chǎng)景（方法學(xué)歸類）

糧食作物測(cè)報(bào)：水稻稻飛虱+螟蟲復(fù)合監(jiān)測(cè)、小麥蚜蟲/黏蟲、玉米草地貪夜蛾遷飛峰捕獲。

經(jīng)濟(jì)園藝：茶園小綠葉蟬、果園綠盲蝽、草莓薊馬（需配合小蟲體專用端）、林草美國(guó)白蛾/松材線蟲病媒介昆蟲燈下動(dòng)態(tài)。

IPM決策前端：與性誘捕器、孢子捕捉儀、苗情相機(jī)、人工氣候室、小蟲體測(cè)報(bào)系統(tǒng)組網(wǎng)，做"蟲—?dú)狻纭?四維耦合預(yù)報(bào)。

科研長(zhǎng)期定位：多站點(diǎn)十年級(jí)燈下序列，服務(wù)害蟲氣候響應(yīng)、物候偏移、抗藥性地理分布研究。

6. 相對(duì)傳統(tǒng)測(cè)報(bào)燈的方法學(xué)躍遷

連續(xù)性：10 min–3 h可調(diào)頻自動(dòng)拍，消除人工1–2天查燈滯后與節(jié)假日斷檔。

客觀化：CNN替代目力分揀，跨測(cè)報(bào)員、跨站點(diǎn)計(jì)數(shù)方差被壓縮到算法基線內(nèi)。

可審計(jì)：原圖+標(biāo)注圖+計(jì)數(shù)表+GPS+氣象綁定，滿足全國(guó)農(nóng)技中心多省趨勢(shì)校驗(yàn)與論文Supplementary復(fù)現(xiàn)。

決策前置：AI體把"蟲量超閾"轉(zhuǎn)成"施藥窗口+藥劑選型+天敵保全"建議，而不只是拋一個(gè)數(shù)字。

7. 總結(jié)

托普云農(nóng)2026款智能蟲情監(jiān)測(cè)系統(tǒng)，本質(zhì)是把"夜里亮燈、早上數(shù)蟲"的植保經(jīng)驗(yàn)，重構(gòu)成光誘捕—遠(yuǎn)紅外定型—振動(dòng)平鋪—工業(yè)成像—CNN分類—IoT時(shí)空序列—AI問診的田間感知節(jié)點(diǎn)：以多波段LED把靶標(biāo)從廣譜趨光背景里拉出來(lái)，以遠(yuǎn)紅外烘干把死蟲形態(tài)鎖在可識(shí)別基線，以邊緣+云端雙級(jí)推理把燈下蟲堆轉(zhuǎn)成結(jié)構(gòu)化物種計(jì)數(shù)，再借"問稷"把單燈曲線升維成區(qū)域蟲口動(dòng)力學(xué)與防控處方。對(duì)基層植保站它是遷飛峰預(yù)警器，對(duì)農(nóng)技推廣體系它是IPM數(shù)據(jù)底座的主傳感層，對(duì)科研網(wǎng)絡(luò)它是害蟲—?dú)夂蚧プ鞯拈L(zhǎng)周期表型源。作為國(guó)產(chǎn)自主集成的智能蟲情平臺(tái)，其方法lun意義在于——讓"燈下蟲口"第一次擁有與氣象站、土壤墑情同級(jí)的連續(xù)性與可追溯性，而不是等田里顯癥才回頭補(bǔ)賬。