陳衛國沒有猶豫太久。他盤算了一下手頭的積蓄，發現根本不夠研發所需的資金。於是他做了一個很多人覺得瘋狂的決定——把自己名下唯一的房子抵押給了銀行，貸出了五百萬。
老婆知道之後，差點跟他離婚。
“你瘋了吧？把房子押了？萬一做不出來怎麼辦？我們住哪？”
“做得出來。”陳衛國說，“相信我。”
“你讓我相信你？你連工作都沒有！”
“所以我才要自己幹啊。”
兩口子大吵了一架，最後老婆摔門而去，回了孃家。
陳衛國一個人坐在空蕩蕩的客廳裡，沉默了很久。
然後他站起來，拿上鑰匙，去了工作室。
……
接下來的兩個月，陳衛國幾乎把自己活成了一臺機器。
他在工作室的角落搭了一張行軍床，旁邊放著一箱泡麵和一臺燒水壺，累了就睡，醒了就幹，吃飯靠泡麵。
研發的第一步，是搭建蚊子養殖室。
這聽起來很荒謬，但卻是必須的——你要做滅蚊裝置，就得有足夠多的蚊子來做測試。
陳衛國在工作室隔出一個密封的小房間，控制好溫度和溼度，放了幾盆積水，然後從網上買了蚊子卵進行培育。
不到一週，養殖室裡就嗡嗡作響，成千上萬只蚊子在裡面飛來飛去。
他每次進去做測試，都被咬得渾身是包，但他毫不在意。
研發過程中，最大的技術難點有兩個。
第一個是毫米級微小目標的識別。
蚊子太小了，翼展只有幾毫米，飛行速度也不算慢，而且軌跡毫無規律。普通的光學感測器根本捕捉不到這麼小的目標，更別說在複雜的室內環境中把蚊子和其他飛蟲、灰塵甚至飄動的毛髮區分開來。
陳衛國在這個問題上卡了整整三週。
他嘗試了各種方案——紅外熱成像、高頻聲波定位、雷射散射探測……每一種都有缺陷。
最後，他把目光投向了剛剛興起的AI視覺識別技術。
他用一臺高速攝像頭拍攝了幾十萬幀蚊子飛行的畫面，建立了一個專門的資料集，然後用開源的深度學習框架訓練了一個輕量級的目標檢測模型。
這個模型被部署在一塊低功耗的AI晶片上，能夠即時分析攝像頭捕捉到的畫面，在幾十毫秒內識別出蚊子的位置和飛行軌跡。
經過反覆除錯，識別準確率最終達到了97.3%。
第二個難點是雷射安全。
滅蚊用的雷射功率不需要太高，但再低也是雷射，如果誤射到人眼，後果不堪設想。
。”寵及人害傷不“——求要確明裡告公賞懸的方是其尤
。間時的多更了花上題問個這在國衛陳
——制機全安重多套一了計設他
。閉關自秒10.0在會雷，號訊熱的寵或人現出圍範效有置裝到測探旦一。測檢重雙達雷波米毫和測外紅用使，組模測檢寵/人的IA蚊滅於立獨個一了建置裝，先首
。害傷造會不也誤便即，下以值閾全安到減衰量能，離距個這過超，以米6在制限格嚴被程的雷，次其
。險風了低降步一進間時曝的短極，秒30.0有只間時衝脈的殺擊次每，計設轉偏速快了用採頭雷，次再
。式模機待進自會就——邊旁在兒嬰有如比——作工合適不境環前當定判果如，描掃境環行進會時啟在統系套整，後最
。試測戰實蚊滅行進始開才，後之失一無萬制機全安認確，次百上了試測覆反國衛陳
