2022年作物重大病虫害呈重发态势,预计发生面积达20.1亿亩次,因此需对作物病害进行早期检测。国内外常采用高光谱图像和卫星遥感等方式进行病害检测,但这些方法主要基于病害爆发后作物表形上的变化,存在一定的滞后性。作物真菌病害是通过空气中的病害孢子进行传播,若能从传播途径上获取病害孢子的信息,那么就可实现作物病害的早期预警及病害源位置预估。获取病害孢子传播信息存在的主要问题有:（1）作物真菌病害早期,空气中病害孢子浓度较低,显微成像受制于传统光学规律的限制,视场范围较小,难以满足低浓度孢子检测的需求。（2）作物病害爆发源的位置是随机的,且病害孢子在传播过程中易受到作物遮挡和气流的影响,难以有效估算病害源爆发的具体区位。因此,本课题提出了一种基于衍射光识别气体传感器网络的作物病害源定位监测系统。课题的工作从以下几个方面进行展开:（1）基于标量衍射理论,探究衍射全息图像形成机理,设计大视场衍射成像结构,并将其和富集结构相耦合,实现病害孢子富集和图像采集。（2）对衍射图像进行光照补偿和去噪预处理,选择合适的算法对图像进行重构,使用阈值分割和形态学方法提取样品的轮廓,通过特征检测实现样品的计数。（3）根据气传孢子传播理论,使用仿真软件研究无定向风和有定向风环境下病害孢子的传播规律,以此为基础提出病害源哨兵搜寻算法实现病害源的定位。（4）设计并制作了集衍射图像及环境信息采集与传输于一体的传感器节点,搭建物联网云平台进行数据的流转,编写电脑客户端接收节点的数据,调用图像检测算法和病害源定位算法,实现样品的计数和病害源位置的预估。（5）以聚苯乙烯微球为样品,实验验证了节点的富集和衍射功能的可行性,图像检测算法准确性,病害源传播规律和定位算法的准确性,以及定位监测系统的通信稳定性。实验结果表明:设计的节点能够实现样品的富集和衍射图像的采集功能,运用图像检测算法对样品进行自动识别,与人工计数的结果相比准确率可达85%以上。衍射成像的有效视场面积比传统显微镜在40倍物镜下的成像面积提高了40.4倍。将仿真计算得到的病害孢子传播规律与实验数据相比,两者呈线性相关,具有较高的准确性。在2m×2m的实验场地上,运用哨兵搜寻算法进行病害源定位,在无定向风和有定向风的条件下,对病害源初次定位的平均相对误差分别为12.86%和24.32%,对病害源二次定位的平均相对误差分别为5.95%和10.61%。通过测试定位监测系统的误码率和时延,表明系统通信性能良好,能够满足实际需要。综上所述,基于衍射光识别气体传感器网络的作物病害源定位监测系统可以实现病害的早期检测及病害源位置的预估。