森林在生态环境保护方面起着至关重要的作用,我国土地面积约占世界土地总面积的7%,而森林面积仅占世界森林总面积的4%左右。松树是我国森林的重要组成树种,在生长过程中受各种不同因素的影响易出现多种病虫害,其中危害最强的为松材线虫病。松材线虫病传播速度快、除治难度大,在我国迅速蔓延,至今已造成上千亿元的经济损失,且有向重点林区传播的趋势。因此,如何更好的对松材线虫病的扩散进行有效防控是当务之急。在疫木普查的方法中,针对传统人工巡查方法工作量巨大且林区地势崎岖难以探查等问题,现今较为适用的办法是使用无人机采集图像后传输至数据中心对图像进行识别,但海量数据的传输再识别使其时效性不高且造成计算中心的资源浪费。边缘计算的运用能够有效减小传输量,节省计算资源。因此,本研究运用机载边缘计算平台和轻量深度学习模型,开发了一套天-地一体的松材线虫病除治管理系统。具体研究内容如下:（一）边缘计算模块快速检测提出了YOLOV4-Tiny-3Layers轻量化目标检测模型并将其运用于机载边缘计算平台,对采集的图像检测识别后,疑似疫木信息传输至数据中心进行细粒度检测识别,最终结果通过python调用后台API存储至My SQL数据库。实验表明,该方法达到了低漏检、高精度的效果。（二）疫木除治数据采集APP为避免疫情扩散,经边缘计算平台和数据中心双重检测后的疫木需要及时除治,开发配套APP,读取存入数据库后的疫木信息,在地图显示其地理位置便于施工队进行相关除治工作,并在除治后将疫木相应信息上传以更新数据库,实现对疫木的清理监管。（三）疫木除治管理系统利用Java语言、Spring Boot框架、My SQL数据库,开发松材线虫病树除治管理系统。通过建立“用户管理”、“权限管理”、“疫木信息管理”“无人机图像管理”几大功能模块,解决数据整理时间成本高、管理人员对疫情情况掌控不及时、除治措施落实跟进不到位等问题。