2021年12月，宁波财经学院数字技术与工程学院教师章晓敏博士，在宁波微能物联科技有限公司完成两年的博士后工作以后顺利出站。

章晓敏博士的博士后课题研究农田害虫的识别和预测。虫害的预测预报一直以来都是农业病虫害防治中的重要内容，历来该项工作都受到植保部门的高度重视。目前，农业监测预警工作可以说是与农业发展相伴而行，尤其在虫害防治工作中，对虫害的监测预警工作显得尤为重要。过去各地都是采用虫情测报灯来开展工作，而随着信息化技术的发展，急需研发智能化程度和自动化程度更高的虫情测报系统。本项目研发的基于人工智能的物联网自动虫情测报系统是现代农业植保工作中结合多种技术为一体的自动化测报工具，可以应用于农业、林业、牧业、蔬菜、烟草、茶叶、药材、园林、果园、城市绿化、检疫等测报领域，满足虫情测报标准化、自动化工作需要。本课题研发的虫情测报系统，不仅能完成作物虫害的实时监测和测报，还能够实时传输虫情信息和分析处理虫情信息，让虫情能够准确为用户所知，对作物病虫害及时准确防治起着至关重要的作用。此外，本项目研发的虫情测报系统还可以结合多种因素准确的预测虫害的发生，也可以给种植户提供科学用药的数据依据，从而降低农药的使用，提高农作物的品质。

章晓敏博士主要研究的内容包括：一、基于人工智能的机器视觉图像分析，基于人工智能的害虫识别通过对田间害虫进行拍照，为进一步远程分析虫害数据提供可靠的图像材料。系统使用了人工智能深度学习的技术对病虫草害进行识别。二、自动化的诱虫、杀虫、识别、计数、治理五位一体的智能虫情监控设备研制该设备利用现代光、电、数控集成技术，能实现虫体远红外自动处理、传送带运输、害虫自动识别等功能。可以在无人监管的情况下，自动完成诱虫、杀虫、虫体分散、拍照、收集、排水等系统作业，将虫害情况上传到指定的智慧农业云平台，在网页及移动端等显示识别虫子的种类及数量，根据识别结果，对虫害的发生进行分析和预测。课题采用卷积神经网络技术进行虫体识别，可以自动捕捉识别田间常见害虫。并且本课题首次提出将BP神经网络应用于虫灾统计分析及实时监测的方案。本课题的研究成果，可满足虫情测报及标本采集的需要，具有实际应用及推广价值，能够为现代农业提供服务。三、预测预报、应急系统的研究应急服务系统可以将获取的虫害信息自动保存下来,并及时上传到远端，而测报人员只需要在控制平台,就可以轻松获取这些数据，并进行智能分析。所有田间设备都能联网向云平台提供图像、温度、湿度、气压、大气污染物等信息。识别的虫害通过5G网络形成信息共享，可以通过共享系统分析病虫害的时空关系，通过人工智能计数推断病虫害在时间和空间上的发展规律和发展趋势，为预测预防病虫害的发展打下基础。

与会专家听取了章晓敏博士后研究工作报告后，对其研究成果表示高度肯定和赞赏，一致同意其出站。

（撰稿：数字技术与工程学院 张巧玲 章晓敏 摄影：数字技术与工程学院 章晓敏 审核：数字技术与工程学院 周光宇）