1.基于目标检测技术的林业害虫智能识别检测方法，其特征在于：包括以下步骤：

步骤一、林业区域划分：将目标沙枣薪炭林林业区域按照平面网格式的划分方式划分为各监测子区域，进而获取各监测子区域对应的位置，同时还将目标沙枣薪炭林林业区域各监测子区域进行编号，依次编号记为1,2,...r,...c；

步骤二、林业区域监测：利用各监测子区域对应的监测摄像头对目标沙枣薪炭林林业区域中各监测子区域进行视频监测，同时还利用遥感技术对各监测子区域进行画面采集；

步骤三、林业区域分析：对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，还用于对各监测区域中的采集画面进行分析，进而分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数；

步骤四、重点区域划分：将目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数进行分析，进而划分为各重点监测区域；

步骤五、重点区域再监测：利用布设的监测摄像头对各重点监测区域中的树木进行监测，进而得到各重点监测区域的监测图像；

步骤六、虫害类型分析：根据各重点监测区域的监测图像分析得出各重点监测区域对应的虫害类型；

步骤七、信息发送与预警：将各重点监测区域对应的虫害类型和各重点监测区域对应的位置发送至目标沙枣薪炭林林业区域管理人员，并同时启动虫害预警。

2.根据权利要求1所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中对目标沙枣薪炭林林业区域中各监测子区域的监测视频进行分析，具体分析过程如下：A1、获取目标沙枣薪炭林林业区域中各监测子区域的监测视频，将目标沙枣薪炭林林业区域中各监测子区域的监测视频分割为各监测图片序列，进而得到各监测子区域中各树木对应的根部图像，进而得到目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部色泽度，利用计算公式 计算得出目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数θrd，Qrd表示为第r个监测子区域中第y个树木的根部色泽度，Q′表示为设定的根部木屑标准色泽度，y表示为各树木对应的编号，y＝1,2,.......q，ΔQ表示为设定的根部木屑许可色度差值，r表示为各监测子区域对应的编号，r＝1,2,.......c；

A2、将目标沙枣薪炭林林业区域各监测子区域中各树木对应的根部木屑符合系数与数据库存储的树木木屑参考符合系数进行比对，若目标沙枣薪炭林林业区域某监测子区域中某树木对应的根部木屑符合系数大于或等于树木木屑参考符合系数，则判定该监测子区域中该树木为有木屑树木，进而统计得到各监测子区域中各有木屑树木对应的数量；

A3、从各监测子区域中各有木屑树木对应的根部图像提取出各监测子区域中各有木屑树木对应的木屑面积，利用计算公式 计算得出目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数αrd，其中，Srd表示为第r个监测子区域中第d个有木屑树木的木屑面积，d表示为各有木屑树木对应的编号，d＝1,2,.......l，S'表示为设定的标准木屑面积，ΔS表示为设定的许可木屑面积差值。

3.根据权利要求2所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中对各监测子区域中的采集画面进行分析，具体分析过程如下：R1、获取目标沙枣薪炭林林业区域中各监测子区域的各采集画面，将各采集画面聚焦在各监测子区域中各树木的树冠，将树冠按照预设顺序划分为各子树冠，进而提取得到各监测子区域中各树木的各子树冠的色度值，利用计算公式 计算得出目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数其中， 表示为第r个监测子区域中第s个树木的第x个子树冠对应的色度值，SD'表示为设定的标准树冠色度值，ΔSD表示为设定的许可色度差值，s表示为各树木对应的编号，s＝

1,2,.......u，x表示为各子树冠对应的编号，x＝1,2,.......m，e表示为自然常数；

R2、将目标沙枣薪炭林林业区域各监测子区域中各树木的各子树冠对应的色泽符合系数与设定的标准树冠色泽符合系数进行分析，若目标沙枣薪炭林林业区域某监测子区域中某树木的某子树冠对应的色泽符合系数小于设定的标准树冠色泽符合系数，则判定该监测子区域中该树木为可能虫害树木，进而统计各监测子区域中可能虫害树木的数目，进而根据数据库存储的各监测子区域对应的树木总数目，计算得出各监测子区域中可能虫害树木对应的占比。

4.根据权利要求3所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤三中分析得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数，具体分析过程如下：根据目标沙枣薪炭林林业区域各监测子区域中各有木屑树木对应的初步虫害分析系数和各监测子区域中可能虫害树木的占比，利用计算公式 计算得出目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数χr，其中，Pr表示为第r个监测子区域中可能虫害树木对应的占比，l表示为有木屑树木的总数量，a1和a2分别表示为设定的初步虫害和虫害占比对应的影响因子。

5.根据权利要求4所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤四中划分为各重点监测区域，具体划分过程如下：将目标沙枣薪炭林林业区域各监测子区域的遭受虫害评估系数与设定的林业区域参考遭受虫害评估系数进行比对，若目标沙枣薪炭林林业区域某监测子区域的遭受虫害评估系数大于设定的林业区域参考遭受虫害评估系数，则将该监测子区域记为重点监测区域，并由此统计各重点监测子区域对应的数目，同时还得到各重点监测子区域对应的编号。

6.根据权利要求1所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤六中分析得出各重点监测区域对应的虫害类型，具体分析过程如下：根据各重点监测区域的监测图像，进而从中提取出各重点监测区域中各树木对应的各虫孔高度、各虫孔中虫卵图像和各害虫分泌物图像，并从各虫孔中虫卵图像提取出各虫孔中虫卵信息，其中，虫卵信息包括颜色和形状；

根据当前对应的月份，从数据库提取出各种类害虫对应的虫害旺盛月份，将当前的月份记为Y，并同时将各种类害虫对应的虫害旺盛月份生成集合，并将其记为Eh，其中，h表示为各种类害虫对应的编号，h＝1,2,.......j，利用计算公式δh＝Y∩Eh，计算得出当前月份对应的各害虫类型评估系数δh；

根据各重点监测区域中各树木对应的各虫孔高度，进而构建各重点监测区域中各树木对应的虫孔高度集合，并将其记为Gwy，w表示为各重点监测区域的编号，w＝1,2,.......f，并从数据库中提取出各种类害虫对应的虫孔高度区间集合，利用计算公式 计算得出各重点监测区域中各树木虫孔高度对应的各害虫类型评估系数 Hh表示为第h种类害虫对应的虫孔高度区间集合；

根据各虫孔中虫卵图像和各害虫分泌物图像，依次分析得出各重点监测区域中各树木虫卵对应各害虫类型评估系数和各重点监测区域中各树木害虫分泌物对应各害虫类型评估系数。

7.根据权利要求6所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述分析得出各虫孔中虫卵对应各害虫类型评估系数，具体分析过程如下：根据各重点监测区域的各树木中各虫孔中虫卵图像，将各重点监测区域的各树木中各虫孔中虫卵图像进行汇整，进而得到各重点监测区域中各虫孔中虫卵图像，并根据各重点监测区域中各虫孔中虫卵图像得到各重点监测区域中各虫孔中虫卵对应的颜色和形状，并根据各虫孔中虫卵颜色提取出各虫孔中对应的虫卵色度值；

根据各重点监测区域的各虫孔中虫卵的形状，从数据库中提取出各种类害虫对应的参考虫卵形状，将各虫孔中虫卵的形状与各种类害虫对应的参考虫卵形状进行比对，若某虫孔中虫卵的形状与某种类害虫对应的参考虫卵形状比对一致，则判定该虫孔中虫卵是该种类害虫，并将该虫孔中虫卵符合系数记为φ′，反之将该虫孔中虫卵符合系数记为φ″，由此得到各重点监测区域的各虫孔中虫卵对应各害虫类型虫卵形状符合系数 取值为φ′或φ″，且φ′>φ″，k表示为各虫孔对应的编号，k＝1,2,......i；

根据各重点监测区域的各虫孔中对应的虫卵色度值，从数据库中提取出各种类害虫对应的虫卵标准色度值，利用计算公式 计算得出各重点监测区域的各虫孔中虫卵对应各害虫类型虫卵形状符合系数 其中，Jwk表示为第w个重点监测区域的第k个虫孔中虫卵对应的色度值，J′h表示为第h种类害虫对应的虫卵标准色度值，ΔJ表示为设定的虫卵色度许可差值；

依据分析公式 计算得出各重点监测区域的各虫孔中虫卵对应

各害虫类型评估系数 其中，a1和a2分别表示为设定的虫卵形状和色度值对应的系数因子。

8.根据权利要求7所述的基于目标检测技术的林业害虫智能识别检测方法，其特征在于：所述步骤六中分析得出各重点监测区域对应的虫害类型，具体筛选过程如下：依据各重点监测区域的各树木中各虫孔中虫卵对应各害虫类型评估系数的计算方式同理计算得出各重点监测区域的各树木中各害虫分泌物对应各害虫类型评估系数，并将其记为将各重点监测区域中各树木虫孔高度对应各害虫类型评估系数按照从大到小顺序排列，进而选取各重点监测区域中各树木虫孔高度对应各害虫类型评估系数排列靠前的害虫类型作为各重点监测区域中各树木虫孔高度的害虫类型，进而统计各重点监测区域中各树木虫孔高度对应的害虫类型占比，进而将各重点监测区域中各树木虫孔高度对应的害虫类型占比进行互相筛选，得到各重点监测区域中各树木虫孔高度对应的害虫类型占比排列靠前的害虫类型作为各重点监测区域对应的虫孔虫害类型；

依据各重点监测区域对应的虫孔虫害类型的分析方式同理得到各重点监测区域对应的虫卵虫害类型、各重点监测区域对应的分泌物虫害类型和各重点监测区域对应的月份虫害类型；

根据各重点监测区域对应的虫孔虫害类型、各重点监测区域对应的虫卵虫害类型、各重点监测区域对应的分泌物虫害类型和各重点监测区域对应的月份虫害类型，统计得到各种类害虫对应各重点监测区域的占比，进而将占比权重靠前的害虫类型作为各重点监测区域对应的虫害类型。