松材线虫病作为一种毁灭性病害,严重威胁着我国松林资源安全。及时发现染病树并采取处理措施是控制病害蔓延的有效手段,因此,松材线虫病树监测技术对病害防控成败至关重要。传统人工监测方法费时、费力,效率低;卫星遥感监测方法易受气候干扰,识别精度低;无人机监测方法易受风雨天气影响,无法持续监测。为此,本文利用架设在高点平台（如铁塔等）的视频监控设备,实现对林区的广域监测,通过深度学习,增量学习,边缘计算等相关技术,构建松材线虫病树高点自动监测系统,以期提高松材线虫病树的监测效率,帮助林业保护部门有效防治松材线虫病害。主要工作如下:（1）基于改进YOLOv5s的两阶段松材线虫病树检测方法针对广域林区监测所采集的海量数据中存在大量不含病树的冗余数据,全部回传将浪费大量网络、计算资源的问题,本文提出基于改进YOLOv5s的两阶段松材线虫病树检测方法。在第一阶段,针对嵌入式边缘计算设备难以有效支撑检测模型快速运行的问题,通过引入混洗网络模块与Stem模块,实现模型轻量化,使其能高效地运行于嵌入式边缘计算设备中,快速滤除冗余数据;在第二阶段,针对病树特征类型多、背景复杂导致误检率较高的问题,设计CE-Block模块并引入多维缩放系数,来提高模型的检测精度。基于改进YOLOv5s的两阶段松材线虫病树检测方法,可以有效滤除冗余数据,提高网络、存储及计算资源利用率,实现松材线虫病树的高效检测。（2）基于增量学习的松材线虫病树检测方法针对松材线虫病树因空间、时间不同而产生特征差异导致模型检测性能降低,而传统方法更新模型易导致灾难性遗忘或数据重复整合等难题,本文结合重要参数巩固法、代表样本构建法以及知识蒸馏技术对模型进行增量更新,有效缓解了模型在学习新知识时发生灾难性遗忘的问题,避免了数据重复整合并能迅速完成模型增量更新。（3）自动监测系统的设计与实现该系统由高点云台摄像机以及嵌入式边缘计算设备等构成硬件系统,利用Py Qt开发框架编写边缘计算模块端程序和用户终端程序,搭建松材线虫病树高点自动监测系统。经验证,该系统运行平稳,能自动完成对数据的采集、识别、回传、显示以及管理等功能,能满足实际监测需求,实现高效监测。本文所提松材线虫病树高点自动监测系统,可实现对林区的广域、远程、长时监测,提高监测的准确性和实时性,为森保部门及时了解林区动态和有效控制松材线虫病害发生提供技术支撑。