基于图像处理的森林病虫害预测方法及系统、设备、介质

技术领域

本发明涉及病虫害防治领域，尤其涉及一种基于图像处理的森林病虫害预测方法及系统、设备、介质。

背景技术

森林病虫害是森林生态系统面临的重要威胁之一，严重影响森林健康和生态功能。森林中的树种组成、年龄结构、林分密度及地形地貌均不相同，传统的森林病虫害预测方法主要对森林整体的病虫害进行预测，忽略了不同区域对病虫害发生的影响。

森林范围广，目前只能对整体森林害虫进行预测，不能对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。

发明内容

本发明的目的在于提供一种基于图像处理的森林病虫害预测方法及系统、设备、介质，旨在对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。

第一方面，本发明实施例提供一种基于图像处理的森林病虫害预测方法，所述方法包括：

获取森林图像划分为多个病虫害预测区；

根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；

根据具有病虫害风险的数量，输出病虫害预测风险等级。

其中，获取森林图像划分为多个病虫害预测区，具体包括：

获取森林图像，提取森林区域中心点和边界线；

构建贯穿中心点与森林区域边界线相交的第一线段；

选择第一线段对应距离值降序排列第一的目标第一线段；

以目标第一线段为长，垂直于目标第一线段，且与森林区域边界线相交的目标第二线段为宽，构建矩形区域，所述矩形区域包括森林区域；

等面积划分矩形区域为多个病虫害预测区。

其中，根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险，具体包括：

识别目标病虫害预测区的林木覆盖面积，与第一阈值比较；

若大于第一阈值，则输出林分密度过大的预警信息，标识目标病虫害预测区具有病虫害风险。

其中，根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险，具体包括：

识别到目标病虫害预测区的林木覆盖面积，与第二阈值比较；其中，第二阈值小于第一阈值；

若小于第二阈值，则输出林分密度过小的预警信息，标识目标病虫害预测区具有病虫害风险。

其中，根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险，具体包括：

获取目标病虫害预测区历史种植林木的第一次数，与第一预设次数比较；

若小于第一预设次数，则获取历史种植林木种类数量，与预设数量比较；

若小于预设数量，则输出林木组成结构单一的预警信息，标识目标病虫害预测区具有病虫害风险。

其中，根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险，具体包括：

获取目标病虫害预测区历史发生病虫害的第二次数，与第二预设次数比较；

若大于第二预设次数，则标识目标病虫害预测区具有病虫害风险；

若小于或等于第二预设次数，获取相邻的病虫害预测区历史发生病虫害的第三次数，与第三预设次数比较；

若大于第三预设次数，则标识目标病虫害预测区具有病虫害风险。

其中，根据具有病虫害风险的数量，输出病虫害预测风险等级，具体包括：

获取目标病虫害预测区的具有病虫害风险的个数，与第三阈值比较；若个数小于第三阈值，则输出病虫害预测风险等级低的预警信息；

若个数等于第三阈值，则输出病虫害预测风险等级中的预警信息；

若个数大于第三阈值，则输出病虫害预测风险等级高的预警信息。

第二方面，本发明实施例提供了一种基于图像处理的森林病虫害预测系统，包括用于执行如第一方面的所述基于图像处理的森林病虫害预测方法的模块，包括区域划分模块、历史数据分析模块和预测模块，其中：

所述区域划分模块，用于获取森林图像划分为多个病虫害预测区；

所述历史数据分析模块，用于根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；

所述预测模块，用于根据具有病虫害风险的数量，输出病虫害预测风险等级。

第三方面，本发明实施例提供了一种基于图像处理的森林病虫害预测设备，包括处理器、用户接口和存储器，所述处理器、所述用户接口和所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面任一项的所述基于图像处理的森林病虫害预测方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面任一项所述的基于图像处理的森林病虫害预测方法。

本发明实施例中，获取森林图像划分为多个病虫害预测区；根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；根据具有病虫害风险的数量，输出病虫害预测风险等级；采用所述区域划分模块，用于获取森林图像划分为多个病虫害预测区；所述历史数据分析模块，用于根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；所述预测模块，用于根据具有病虫害风险的数量，输出病虫害预测风险等级，通过将森林划分若干预测区域，并分析该区域是否具有病虫害风险，实现了对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的基于图像处理的森林病虫害预测方法流程示意图；

图2是本发明实施例提供的病虫害预测区划分流程示意图；

图3是本发明实施例提供的病虫害预测区划分示意图；

图4是本发明本发明实施例提供的一种基于图像处理的森林病虫害预测系统的结构示意图；

图5是本发明实施例提供的一种基于图像处理的森林病虫害预测设备的结构示意图；

图中：400-基于图像处理的森林病虫害预测系统、401-区域划分模块、402-历史数据分析模块、403-预测模块、500-基于图像处理的森林病虫害预测设备、501-处理器、502-存储器、503-用户接口、504-总线。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

请参阅图1和图2，图1是本发明实施例提供的一种基于图像处理的森林病虫害预测方法的整体流程示意图，图1是本发明实施例提供的基于图像处理的森林病虫害预测方法流程示意图；图2是本发明实施例提供的病虫害预测区划分流程示意图。具体的，如图1所示，所述基于图像处理的森林病虫害预测方法可以包括以下步骤：

S101：获取森林图像划分为多个病虫害预测区。

第一方面，将森林划分为多个小区域，分别判断每个小区域是否具有病虫害风险，对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。首先采集森林图像，使用设备进行图像采集，设备包括无人机、卫星、地面摄像机及激光雷达，得到图像数据；对图像数据进行预处理，包括去除噪声、增强对比度、校正几何畸变。

其中第一方面实施方式：获取森林图像划分为多个病虫害预测区，具体包括S201：获取森林图像，提取森林区域中心点和边界线；S202：构建贯穿中心点与森林区域边界线相交的第一线段；S203：选择第一线段对应距离值降序排列第一的目标第一线段；S204：以目标第一线段为长，垂直于目标第一线段，且与森林区域边界线相交的目标第二线段为宽，构建矩形区域，所述矩形区域包括森林区域；S205：等面积划分矩形区域为多个病虫害预测区。如图3所示，首先获取森林图像，提取森林区域中心点Q和森林边界线，具体提取中心点的方法可为根据森林区域图像的几何特征，使用算法计算森林区域图像的中心点坐标；提取森林边界线的方法可为使用边缘检测算法(如Canny边缘检测算法)来识别图像中的亮度梯度，从而查找边缘，可通过水平和垂直方向的滤波器来估计梯度，并能够突出显示图像中的边缘。在检测到边缘之后，使用边缘连接和边界跟踪算法从边缘信息中提取完整的边界。对提取的边界进行后处理，以去除噪声、平滑边界线并填充边界内的孔洞。然后构建贯穿中心点与森林区域边界线相交的第一线段；然后选择第一线段对应距离值降序排列第一的目标第一线段FI；再以目标第一线段FI为长，垂直于目标第一线段的目标第二线段LC为宽，目标第二线段为所有第二线段对应距离值降序排列第一的第二线段，构建AENJ矩形区域，所述矩形区域包括森林区域；最后等面积划分矩形区域为多个病虫害预测区，如ABGF、BCQG、CDHQ、DEIH、FGKJ、GQLK、QHML、HINM区域；通过将森林划分若干预测区域，再分析该区域是否具有病虫害风险，实现了对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。

S102：根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险。

第二方面，分别判断每个病虫害预测区是否具有病虫害风险。分别对每个病虫害预测区进行多次比较，每一次比较均判断病虫害预测区是否具有病虫害风险：

第二方面的第一实施方式，识别目标病虫害预测区的林木覆盖面积，与第一阈值比较，如设置第一阈值为70，参照林木覆盖面积则ABGF区域林木覆盖面积为40、BCQG区域林木覆盖面积为80、GQLK区域林木覆盖面积为70；林木覆盖面积的大小直接影响生态系统的稳定性和多样性。首先，林木密度过大时，树木之间的空间变得有限，导致树木的通风和光照条件恶化。通风不良和光照不足会使树木生长不良，树势衰弱，从而更容易受到病虫害的侵袭。此外，潮湿的环境也为病菌和害虫的繁殖提供了有利条件，进一步加剧了病虫害的发生。其次，密度过大的林木使得病虫害的传播更加容易。一旦一棵树木感染了病虫害，密集的树木排列使得病虫害迅速扩散到其他健康树木上。这不仅加速了病虫害的蔓延速度，还增加了防治的难度。此外，过大的林木密度还可能导致树木间的竞争加剧，使得树木生长不良，抵抗力下降。在资源有限的情况下，树木需要争夺阳光、水分和养分，导致树木生长受限，对病虫害的抵抗能力也相应减弱。

因此林木覆盖面积若大于第一阈值，则输出林分密度过大的预警信息，标识目标病虫害预测区具有病虫害风险，因此标识BCQG区域具有病虫害风险。

林木覆盖面积的大小直接影响生态系统的稳定性和多样性。首先，林木密度过小会导致整个林分的质量下降。在这种情况下，树木之间的空隙增大，林冠分布变得不均匀，使得树木生长变得不稳定。这种不稳定的生长环境不仅影响树木的正常发育，还可能降低树木对病虫害的抵抗力。其次，密度过小使得树木间的竞争减少，但同时也减弱了树木间的相互保护作用。在自然界中，树木之间的紧密排列有助于形成一个相对封闭的环境，这在一定程度上可以阻止病虫害的传播。然而，当林木密度过小时，这种保护作用就会减弱，使得病虫害更容易在树木间传播。此外，林木密度过小还可能导致土壤侵蚀和水分流失等问题。这些问题会进一步削弱树木的生长条件，使树木更容易受到病虫害的侵袭。因此识别到目标病虫害预测区的林木覆盖面积，与第二阈值比较，如设置第二阈值为50；其中，第二阈值小于第一阈值；若小于第二阈值，则输出林分密度过小的预警信息，标识目标病虫害预测区具有病虫害风险，因此标识ABGF区域具有病虫害风险。

第二方面的第二实施方式，获取目标病虫害预测区历史种植林木的第一次数，与第一预设次数比较；若小于第一预设次数，则获取历史种植林木种类数量，与预设数量比较；若小于预设数量，则输出林木组成结构单一的预警信息，标识目标病虫害预测区具有病虫害风险。随着树龄的增长，树木的生长速度通常会逐渐减缓，养分吸收能力也可能减弱。这些因素都可能导致老树的抗病抗虫能力相对较弱。因此，老树更容易受到病虫害的威胁。其次，老树的树皮和木质部可能因长时间的生长和外界环境的影响而出现裂缝或伤口，这些为病虫害的入侵提供了便利条件。病虫害可以通过这些裂缝或伤口侵入树木体内，导致树木受到损害。此外，一些特定的病虫害可能对老树更具侵袭性。例如，某些真菌或害虫可能专门针对老树的特定部位或组织进行攻击，因为它们在这些部位更容易找到生长和繁殖的条件。通过查看历史数据中新增种植林木的次数，可以得知此区域的树龄是否均较大，是否具有病虫害风险。

如设置第一预设次数为3，预设数量为5，BCQG区域的历史种植林木的次数为2，BCQG区域的历史种植林木种类数量为4。即从种植林木开始，只有两次新增种植林木，区域内树龄较大的林木较多。然后再获取每次种植新林木的种类数的多少，当林木种类较少时，生态系统的多样性就会降低。这意味着森林中的树木在遗传、生理和生态特性上可能较为相似，从而缺乏对不同病虫害的抵抗能力。当某种病虫害发生时，这些树木可能都无法有效抵抗，导致病虫害迅速蔓延。其次，种类单一的林木更容易形成病虫害的“易感区”。某些病虫害可能专门针对某种或某几种树木，当这些树木在森林中占主导地位时，病虫害的传播和扩散就会变得更加容易。此外，林木种类较少还可能影响森林的自我调节能力。在多样性的森林生态系统中，不同树种之间的相互作用可以维持森林的稳定性和健康状态。而当树种单一时，这种自我调节能力就会减弱，一旦发生病虫害，整个森林生态系统可能更容易受到冲击。因此判定BCGQ区域林木组成结构单一，标识BCGQ区域具有病虫害风险。

第二方面的第三实施方式，获取目标病虫害预测区历史发生病虫害的第二次数，与第二预设次数比较；若大于第二预设次数，则标识目标病虫害预测区具有病虫害风险；若小于或等于第二预设次数，获取相邻的病虫害预测区历史发生病虫害的第三次数，与第三预设次数比较；若大于第三预设次数，则标识目标病虫害预测区具有病虫害风险。若在前几年病虫害预测区有历史发生病虫害的记录较多，现年也会有发生病虫害的可能性；若其中一个病虫害预测区发生病虫害，则会有传染相邻病虫害预测区的可能性；如设置第二预设次数为2，设置第三预设次数为2，获取BCQG区域前5年内发生病虫害的次数，若BCQG区域前5年发生病虫害的次数为5，则标识BCGQ区域具有病虫害风险；若BCQG区域前5年发生病虫害的次数为1，BCQG区域相邻的病虫害预测区CDHQ在前5年内发生病虫害的次数为4，则标识BCGQ区域具有病虫害风险。

第二方面的第四实施方式，识别目标病虫害预测区的水源垃圾面积，与预设水污染面积比较，若大于预设水污染面积，则输出水源污染的预警信息，标识为具有病虫害风险。通过分类器分类识别水源及垃圾，水源如湖泊、沼泽面积；垃圾包括漂浮在水面上的塑料。水源污染可能导致土壤污染。被污染的水源中的有害物质可能通过渗透等方式进入土壤，影响土壤的结构和肥力。土壤污染会直接影响植物的生长和发育，降低植物的抵抗力，使其更容易受到病虫害的侵袭。其次，水源污染还可能影响农作物的灌溉水质。使用被污染的水源进行灌溉，可能会将有害物质直接带入植物体内，对植物造成毒害。这些有害物质可能干扰植物的正常生理代谢过程，导致植物生长不良、免疫力下降，从而增加病虫害的风险。此外，水源污染还可能通过影响生态系统的平衡来间接影响病虫害的发生。例如，水体中的有害物质可能破坏水生生物的栖息地，减少天敌的数量，使得害虫更容易泛滥。同时，污染的水源还可能改变生物种群结构，导致一些病虫害的爆发和流行。例如BCQG区域的水源垃圾面积为1m

第二方面的第五实施方式，识别目标病虫害预测区的土壤垃圾面积，与预设土壤污染面积比较，若大于预设土壤污染面积，则输出土壤污染的预警信息，标识为具有病虫害风险。通过分类器分类识别土壤及垃圾；垃圾包括土壤上的农药塑料袋、电池等等。土壤中的重金属和有毒物质，如铅、汞、镉等，会对土壤微生物和植物产生毒害作用。这些物质不仅降低土壤质量，还会破坏土壤微生物的平衡，增加病原菌的数量，从而加重病虫害的发生。同时，这些有毒物质也会降低植物的抗病性，使其更容易受到病虫害的侵害。其次，土壤中的农药残留和其他有机污染物也会对植物造成负面影响。这些污染物会破坏土壤生态系统的多样性，导致土壤生物群落结构简化，使病虫害更容易传播和扩散。农药残留还可能使一些原本无侵袭能力的病菌和害虫变得具有侵袭性，进一步加剧病虫害问题。例如预设土壤污染面积为10m

S103：根据具有病虫害风险的数量，输出病虫害预测风险等级。

第三方面，分别判断每个病虫害预测区是否具有病虫害风险。如图3所示的区域，分别对ABGF、BCQG、CDHQ、DEIH、FGKJ、GQLK、QHML、HINM区域进行多次比较，通过获取目标病虫害预测区的具有病虫害风险的个数，与第三阈值比较；若个数小于第三阈值，则输出病虫害预测风险等级低的预警信息；若个数等于第三阈值，则输出病虫害预测风险等级中的预警信息；若个数大于第三阈值，则输出病虫害预测风险等级高的预警信息。如BCGQ区域在多次比较中，有三次标识具有病虫害风险，则BCGQ区域的病虫害风险的数量为3；依次判断每个病虫害预测区的病虫害风险的数量例如FGKJ的病虫害风险的数量为1；QHML的病虫害风险的数量为2。设定第三阈值为2；因此，输出FGKJ预测风险等级低的预警信息，输出QHML病虫害预测风险等级中的预警信息；输出BCGQ病虫害预测风险等级高的预警信息。对于输出病虫害预测风险等级低的预警信息的病虫害预测区，森林保护工作者在接收到该预警信息后，应当在后续适度实施选育措施，选择抗病虫力强的树种，完善生物群落，并采用间断监控手段监测病虫害情况；对于输出病虫害预测风险等级中的预警信息的病虫害预测区，可根据森林生物情况，利用天敌、寄生病原体和寄生性昆虫等生物因素来防治病虫害，例如，引入捕食性昆虫(如瓢虫、蜻蜓等)来控制害虫种群的数量，确保营造健康森林，减少病虫害发生；对于输出病虫害预测风险等级高的预警信息的病虫害预测区，森林保护工作者在接收到该预警信息后，作好农药杀害准备；可采用物理方式诱杀病虫害，如黑光等诱杀；必要时可采用化学防治，如施用农药，并采用实时监控手段监测病虫害情况。可先对输出病虫害预测风险等级高的预警信息的病虫害预测区进行对应处理，再对输出病虫害预测风险等级中的预警信息的病虫害预测区进行对应处理，最后对输出病虫害预测风险等级低的预警信息的病虫害预测区进行对应处理，可实现对较大范围的森林区域进行分区识别，并得出不同的病虫害严重程度的预警信息，从而便于管理人员实现定点防治，降低病虫害大面积爆发的情况，且效率高效。

本发明实施例中，获取森林图像划分为多个病虫害预测区；根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；根据具有病虫害风险的数量，输出病虫害预测风险等级；采用所述区域划分模块，用于获取森林图像划分为多个病虫害预测区；所述历史数据分析模块，用于根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；所述预测模块，用于根据具有病虫害风险的数量，输出病虫害预测风险等级，通过将森林划分若干预测区域，并分析该区域是否具有病虫害风险，实现了对特定区域进行预测，从而实现定点防治，降低病虫害大面积爆发的情况。

请参阅图4，图4是本发明实施例提供的一种基于图像处理的森林病虫害预测系统400的结构示意图。本发明实施例的基于图像处理的森林病虫害预测系统400包括用于执行上述基于图像处理的森林病虫害预测方法的模块。具体的，本发明实施例的基于图像处理的森林病虫害预测系统400可以包括：区域划分模块401、历史数据分析模块402和预测模块403，其中：

所述区域划分模块401，用于获取森林图像划分为多个病虫害预测区；

所述历史数据分析模块402，用于根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；

所述预测模块403，用于根据具有病虫害风险的数量，输出病虫害预测风险等级。

在一实施方式中，获取森林图像划分为多个病虫害预测区时，所述区域划分模块401，具体用于：在一实施方式中，根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险时，所述历史数据分析模块402，具体用于：在一实施方式中，根根据具有病虫害风险的数量，输出病虫害预测风险等级时；所述预测模块403，具体的，所述基于图像处理的森林病虫害预测系统400可通过上述模块实现上述图1至图2所示实施例中的基于图像处理的森林病虫害预测方法中的部分或全部步骤。应理解，本发明实施例是对应方法实施例的装置实施例，对方法实施例的描述，也适用于本发明实施例。

请参见图5，图5是本发明实施例提供的一种基于图像处理的森林病虫害预测设备500的结构示意图。所述基于图像处理的森林病虫害预测设备500用于执行上述的方法。如图5所示，本实施例中的基于图像处理的森林病虫害预测设备500可以包括：一个或多个处理器501和存储器502。可选的，该服务器还可包括一个或多个用户接口503。上述处理器501、用户接口503和存储器502可通过总线504连接，或者可以通过其他方式连接，图5中以总线方式进行示例说明。

其中，所述处理器501可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述用户接口503可用于收发信息或信令的交互，以及信号的接收和传递，用户接口503可包括接收器和发射器，用于与其他设备进行通信。所述存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的存储程序(比如文字存储功能、位置存储功能等)；存储数据区可存储根据服务器的使用所创建的数据(比如图像数据、文字数据)等，并可以包括应用存储程序等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

所述存储器502还用于存储程序指令。所述处理器501可以调用上述存储器502存储的程序指令，实现如本发明实施例所示的基于图像处理的森林病虫害预测方法。

其中，处理器501可用于调用所述程序指令执行以下步骤：

获取森林图像划分为多个病虫害预测区；

根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险；

根据具有病虫害风险的数量，输出病虫害预测风险等级。

在一实施方式中，在获取森林图像划分为多个病虫害预测区的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

获取森林图像，提取森林区域中心点和边界线；

构建贯穿中心点与森林区域边界线相交的第一线段；

选择线段对应距离值降序排列第一的目标第一线段；

以目标第一线段为长，垂直于目标第一线段的第二线段为宽，构建矩形区域，所述矩形区域包括森林区域；

等面积划分矩形区域为多个病虫害预测区。

在一实施方式中，在根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

识别目标病虫害预测区的林木覆盖面积，与第一阈值比较；

若大于第一阈值，则输出林分密度过大的预警信息，标识目标病虫害预测区具有病虫害风险。

在一实施方式中，在根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

识别到目标病虫害预测区的林木覆盖面积，与第二阈值比较；其中，第二阈值小于第一阈值；

若小于第二阈值，则输出林分密度过小的预警信息，标识目标病虫害预测区具有病虫害风险。

在一实施方式中，在根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

获取目标病虫害预测区历史种植林木的第一次数，与第一预设次数比较；

若小于第一预设次数，则获取历史种植林木种类数量，与预设数量比较；

若小于预设数量，则输出林木组成结构单一的预警信息，标识目标病虫害预测区具有病虫害风险。

在一实施方式中，在根据历史数据和病虫害因素分析病虫害预测区是否具有病虫害风险的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

获取目标病虫害预测区历史发生病虫害的第二次数，与第二预设次数比较；

若大于第二预设次数，则标识目标病虫害预测区具有病虫害风险；

若小于或等于第二预设次数，获取相邻的病虫害预测区历史发生病虫害的第三次数，与第三预设次数比较；

若大于第三预设次数，则标识目标病虫害预测区具有病虫害风险。

在一实施方式中，在根据具有病虫害风险的数量，输出病虫害预测风险等级的步骤中，处理器501可用于调用所述程序指令执行以下步骤：

获取目标病虫害预测区的具有病虫害风险的个数，与第三阈值比较；若个数小于第三阈值，则输出病虫害预测风险等级低的预警信息；

若个数等于第三阈值，则输出病虫害预测风险等级中的预警信息；

若个数大于第三阈值，则输出病虫害预测风险等级高的预警信息。

具体实现中，本发明实施例中所描述的处理器501等可执行上述图1至图2所示的方法实施例中所描述的实现方式，也可执行本发明实施例图3所描述的各模块的实现方式，此处不赘述。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现图1至图2所对应实施例中描述的基于图像处理的森林病虫害预测方法中的部分或全部步骤，也可实现本发明图3所示实施例的基于图像处理的森林病虫害预测系统400的功能，也可实现本发明图5所示实施例的基于图像处理的森林病虫害预测设备500的功能，此处不赘述。

所述计算机可读存储介质可以是前述实施例所述基于图像处理的森林病虫害预测系统400或者所述基于图像处理的森林病虫害预测设备500的内部存储单元，例如所述基于图像处理的森林病虫害预测系统400或者所述基于图像处理的森林病虫害预测设备500的硬盘或内存。所述计算机可读存储介质也可以是所述基于图像处理的森林病虫害预测系统400或者所述基于图像处理的森林病虫害预测设备500的外部存储设备，例如所述基于图像处理的森林病虫害预测系统400或者所述基于图像处理的森林病虫害预测设备500上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。

本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的部分或全部步骤。

在本申请中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

以上所述，仅为本发明的部分实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。