案例摘要
广西主要迁飞性害虫监测预警平台以"数据+模型+人工智能"为核心驱动，融合多源数据与大语言模型（LLM）技术，构建精准预测与智能决策体系。平台创新性地实现LSTM时序预测模型与大语言模型驱动的知识图谱协同应用，结合物联网、AI图像识别、语音交互等技术，显著提升虫情监测效率和预警科学性。以稻飞虱监测为典型，平台通过自然语言处理（NLP）解析农户语音填报数据，依托动态知识图谱生成可视化报告，并通过大语言模型实现多语言预警信息精准推送。在减少农药使用、优化防控决策、推动农业数字化等方面成果显著，为农业病虫害智能防控树立标杆。
实施背景
（一）虫害威胁农业生产
虫害是农业生产的重大制约因素，迁飞性害虫危害尤其严重。据UNFAO统计，全球每年因虫害造成潜在作物产量损失约30%。广西地处我国南部，毗邻东南亚，是境外迁飞性害虫如草地贪夜蛾、稻飞虱、稻纵卷叶螟等迁入我国的首站和北上虫源基地，这些害虫短时间内可引发区域大暴发，严重威胁农作物生长和粮食安全。
（二）传统监测方式存在局限
传统病虫害测报依赖植保人员田间调查填报，存在诸多弊端。一方面，病虫害测报指标计算复杂，给测报人员带来繁重的数据统计和计算工作，导致监测效率低下；另一方面，难以保证数据填报质量，且人工监测易受主观因素影响，无法及时、精准地掌握病虫害发生情况。
（三）农业发展对监测预警有新需求
随着农业现代化发展，对农作物病虫害监测预警的及时性、准确性和科学性提出了更高要求。各级农业部门和农业企业急需借助先进技术，提升监测预警能力，实现科学防控，减少农业灾害损失，保障农产品质量安全和生态环境。
（四）技术革新催生新机遇
人工智能与大语言模型的快速发展，为农业监测预警提供了全新工具。通过语义理解、多模态数据分析等能力，可突破传统模型的局限性，实现更高效的虫情解析与决策支持，满足农业现代化对智能化、个性化的迫切需求。
实施目标
（一）精准监测与预警
利用先进技术手段，实现对迁飞性害虫的实时、精准监测，准确预测其发生趋势、发生量和迁飞轨迹，及时发布预警信息，为农业生产提供有力支持。
（二）科学指导防治
通过数据分析和模型运算，为农业生产者和管理者提供科学合理的防治建议，指导精准用药，减少农药使用量，降低防治成本，提高防治效果，保障农产品质量安全。
（三）推动农业现代化
借助智能物联网技术和AI识别技术，丰富虫害数据来源和调查手段，提升田间虫情调查效率，减轻一线植保测报人员工作负担，促进农业信息化、数字化、智能化建设，推动农业现代化进程。
（四）保障粮食安全与生态平衡
有效预防和控制迁飞性害虫爆发，减少因虫害导致的减产等农业灾害，保障粮食安全；同时，减少化学农药对环境的污染，促进生态平衡，实现农业可持续发展。
（五）强化智能决策与知识共享
利用人工智能与大语言模型技术，构建开放式知识共享平台，实现病虫害防治经验的智能化沉淀与传播。通过AI驱动的案例库和专家系统，为不同区域提供适配本地条件的防控方案，推动农业知识普惠化。
建设内容
（一）构建应用架构
平台采用分层架构设计，涵盖数据采集层、数据资源层、应用支撑层和业务应用层。数据采集层通过性诱监测仪、智能虫情测报灯等多种设备采集数据；数据资源层存储管理各类结构化、非结构化和半结构化数据；应用支撑层集成害虫图像识别、实时语音识别等技术及多种分析算法；业务应用层包含数据分析、预测预警和常用工具模块，实现业务处理流程。
（二）运用关键技术
1.基于神经网络的害虫发生趋势预测模型：选用时序性神经网络LSTM预测迁飞性害虫下一代次虫量和发生为害率，结合温度、湿度等气象数据，学习复杂非线性关系，并提供防控措施。
2.基于高空风场的害虫迁飞轨迹推演模型：运用hysplit方法，结合虫源地情况和气象数据，每日计算预报地点迁入迁出情况，展示害虫迁飞轨迹。
3.智能交互场景下的田间病虫害语音填报技术：通过语音助手询问田间信息，构建语音识别匹配数据库，采集分析填报记录，优化个性特征更正库，实现语音填报和自动更正。
4.害虫图像识别技术：利用多种设备采集害虫图像，经预处理后，运用机器学习和深度学习算法进行分割、检测和分类识别，确定害虫种类和数量。
5.报表数据分层汇算平台：作为数据中间中心，统一指标和定义，实现数据一次填报、层层汇算，配置计算方法和逻辑关系，校验数据质量。
6.物联网技术：采用多种通信技术和协议，保障物联网设备与云端系统连接，实现数据安全传输和远程控制，高效处理海量时序大数据。
7.大语言模型驱动的智能决策支持系统：引入大语言模型（LLM）技术，结合农业专业知识库，构建智能问答与决策支持模块。通过自然语言交互，植保人员可快速查询病虫害特征、防治方案及历史案例；同时，系统自动解析农户语音填报的田间数据，生成结构化报告，并提供多语言服务，提升基层用户的操作便捷性。
8.人工智能驱动的动态知识图谱构建：基于大语言模型与迁移学习技术，整合多源异构数据（如文献、气象、虫情记录等），动态构建病虫害知识图谱。该图谱可实时更新害虫迁移规律、抗药性演变及环境关联性，为模型预测和防治策略优化提供深层语义支持。
（三）完善数据要素利用方案
1.数据源：涵盖作物生长环境监测数据、病虫害监测数据、气象数据和专业知识库。
2.数据整合方案：通过预处理、计算和汇总三个阶段，清洗、标注、关联分析数据，构建预测模型，生成报告并可视化展示。
3.应用场景价值：实现病虫害精准防控、优化种植管理、支持农业政策制定、服务农业保险、助力农业科研与教育。
实施效果
（一）实用价值显著
1.以稻飞虱监测预警为例：稻飞虱严重影响水稻生产，平台通过智能虫情设备实时监测，分析历年数据和气象资料掌握发生规律。基层测报人员利用移动智能监测设备调查虫情，平台整合预测结果和气象信息，对稻飞虱发生规模、时间和面积进行短、中、长期预测并预警。
2.解决行业痛点
o提升监测预警能力：有效应对病虫害监测预警难度加大的问题，提高时效性和准确性，提前防控。
o促进绿色发展：减少化学农药使用，改善生态环境，实现绿色生态可持续发展。
o减轻工作负担：提高数据采集效率，减轻植保工作人员田间采集和填报工作强度。
3.经济效果良好：数据采集量和完整度提升，预报准确率提高，防治效果增强，防治次数减少，虫害损失降低，具体数据待补充完善。
4.社会效益突出：提升广西迁飞性害虫数字化监测水平，为植保站和政府部门提供科技支撑，保障粮食安全，促进绿色发展，发挥阻截害虫前沿阵地作用。
（二）决策成效显著
1.降本：物联网设备和移动调查工具降低田间调查成本，精准预测减少防控成本，平台数据分析降低决策指挥成本。
2.提质：提高调查和采集数据质量，减少人为干扰；提升监测预警质量，通过多源数据结合模型运算，提高预测精准度。
3.增效：提升植保工作人员填报和调查效率，实现移动端与网络端数据同步；提高监测预警时效性，提前做出防控决策。
4.AI赋能科研与决策：通过人工智能与大语言模型的融合，平台实现了非结构化数据的自动化处理（如文献解析、农户语音记录等），显著提升数据利用率；同时，基于AI生成的动态可视化报告，辅助科研人员快速定位虫害爆发诱因，缩短研究周期。
（三）服务成效显著
1.经济效益提升：数据采集和预报准确率提升，防治效果改善，减少虫害损失，具体数据待补充完善。
2.产品可靠性增强：平台7×24小时不间断运行，设备稳定，系统具备高可靠性和容错性。
3.运行性能优化：系统响应速度快，小数据量无明显延迟，大数据量短暂延迟，平均响应时间1秒，峰值响应时间2秒，支持用户并发量2000。
4.用户满意度提高：平台提供预警信息和防治方案，帮助农户和农业管理者提早防控，减少危害损失。
5.智能交互体验升级：大语言模型支持的自然语言交互功能，使农户可通过语音或文字直接获取定制化防治建议，降低技术使用门槛；AI生成的简明预警信息（如“未来3天稻飞虱迁入高风险”），通过短信、App推送等多渠道触达用户，提升信息传达效率。
（四）协同能力增强
平台历史数据助力作物种子选育应用研究，加强抗性育种。通过提高监测预警和科学防治精准性，优化农药使用结构，减少农业内源性污染，改善区域生态环境，促进绿色生态发展。
