柑橘作物瓦尔斯绵粉蚧检测光电鼻的研发与田间验证

《Sensors and Actuators B: Chemical》：DEVELOPMENT OF AN OPTOELECTRONIC TOOL FOR THE DETECTION OF COTONET DE LES VALLS IN CITRUS CROPS

本研究针对地中海地区柑橘作物受瓦尔斯绵粉蚧(Delottococcus aberiae)侵害严重的问题，开发了一种集成光学与电化学传感器的便携式光电鼻系统。研究通过PCA和PLS-DA模型实现了害虫的精准鉴别（准确率、精确度、召回率均为1.000），并通过PLS回归模型对害虫发生程度（R2>0.95）和严重度（R2>0.91）进行定量预测。该系统在田间早期监测中表现出高灵敏度和特异性，为农业害虫智能化管理提供了创新技术支撑。

　　

在地中海沿岸的西班牙瓦伦西亚地区，柑橘种植园正面临一种名为“瓦尔斯绵粉蚧”（Delottococcus aberiae）的入侵性害虫的严重威胁。这种微小的昆虫虽不起眼，却能导致柑橘果实畸形、品质下降，造成高达80%的产量损失，给当地农业经济带来沉重打击。传统的害虫监测方法主要依赖人工巡查和性信息素陷阱，但这些手段往往只能在害虫种群达到一定规模后才能发现，错过了最佳防治时机。随着可持续农业和精准农业理念的推进，开发能够实现早期、快速、精准害虫监测的技术工具已成为农业领域的迫切需求。

在这一背景下，西班牙瓦伦西亚理工大学IDM研究所的REDOLí研究团队将目光投向了自然界中奇妙的嗅觉系统。他们思考：能否模仿生物的嗅觉原理，创造一种电子设备来“嗅出”害虫的存在？这就是“电子鼻”技术的核心思想。与依赖图像识别的无人机监测或复杂的实验室分析技术不同，电子鼻通过检测作物遭受害虫侵袭后释放的特异性挥发性有机化合物（VOCs）来实现早期诊断，就像警犬通过气味追踪目标一样。然而，现有的电子鼻技术多在实验室条件下验证，面临成本高、环境适应性差、难以定量评估害虫危害程度等挑战。

为了解决这些问题，Sheila Sánchez-Artero、Carlos Montesinos、Pedro Amorós和Jose Vicente Ros-Lis等研究人员在《Sensors and Actuators B: Chemical》上发表了他们的最新研究成果，报道了他们开发的一款新型便携式光电鼻。这款设备创新性地将两种传感技术融为一体：一种是基于染料颜色变化的光学传感器，另一种是常见的MQ系列电化学气体传感器。这种组合旨在发挥各自优势，光学传感器提供高选择性，电化学传感器提供实时响应，最终打造一个既灵敏又适合田间使用的实用化工具。

为了验证这套系统的性能，研究人员设计了一套严谨的实验方案。关键技术方法包括：首先构建传感器阵列，包含10种负载于不同无机载体（如硅胶、氧化铝、介孔二氧化硅UVM-7）的商业染料形成的光学传感器和4种MQ系列电化学传感器；其次，进行体外实验，将传感器暴露于饲养有瓦尔斯绵粉蚧的容器空气中，以无虫环境作为对照；最后，开展田间试验，在一处有瓦尔斯绵粉蚧侵染历史的柑橘园中，将设备安装于树冠层，并进行为期多日的监测，同时由专业农技人员通过肉眼观察同步评估害虫发生率和严重度。数据分析方面，研究采用主成分分析（PCA）进行数据降维和模式识别，使用偏最小二乘判别分析（PLS-DA）进行虫害有无的分类模型构建，并应用偏最小二乘（PLS）回归模型来预测害虫的发生率和严重度。

3.1. 开发用于D. aberiae检测的选择性光电鼻

研究指出，尽管瓦尔斯绵粉蚧危害严重，但其释放的VOCs谱研究甚少。本研究避免使用实验室合成的特异性显色试剂以降低成本，选用了摩尔消光系数高的商业染料，并将其负载于具有高比表面积的介孔材料UVM-7等载体上，以增强对VOCs的捕获和响应能力。这种设计旨在利用载体表面性质（如硅羟基浓度、酸碱特性）的差异来调制染料对环境的响应，从而形成独特的“气味指纹”识别模式。

3.2. 传感器阵列响应

传感器阵列在暴露于瓦尔斯绵粉蚧、烟粉虱（Bemisia tabaci）以及无虫环境后，展现出不同的响应谱图。PCA分析结果显示，无论是在体外还是田间条件下，PCA模型都能清晰地将瓦尔斯绵粉蚧侵染的样本与无虫对照样本分离开来。在田间试验中，PCA还能在一定程度上区分瓦尔斯绵粉蚧和烟粉虱侵染的样本，证明了该系统对目标害虫具有一定的选择性。传感器载荷分析表明，在不同环境中，关键传感器（如S4、S5、S7等）对区分样本贡献显著，但也提示田间复杂环境因素（如温湿度波动）可能对传感器响应产生影响。

3.3. PLS-DA统计分析

为了评估系统的分类能力，研究人员建立了PLS-DA模型。令人印象深刻的是，在体外条件下，使用全部14个传感器的PLS-DA模型在校准和留一法交叉验证中，对所有评估指标（准确度、精确度、召回率、F-score、真阴性率）均达到了完美的1.000。更重要的是，在更具挑战性的田间试验中，无论是使用14个传感器还是优化后的8个传感器阵列，该模型同样保持了完美的分类性能。这表明该光电鼻系统不仅在受控环境下表现卓越，在复杂的田间环境中也具备极高的可靠性和分类准确性。

3.4. PLS统计分析

除了判断“有虫”或“无虫”，能否量化害虫的危害程度对于指导防治决策至关重要。研究人员进一步利用PLS回归模型，将传感器信号与田间实测的害虫发生率（0-16%）和严重度（0-0.3）进行关联。初步使用14个传感器阵列时，对发生率的预测效果较好（R2 = 0.921），对严重度的预测稍弱（R2 = 0.835）。为了优化系统，他们筛选出8个最具判别力的传感器组成精简阵列。结果发现，优化后的8传感器阵列反而提升了预测性能，对发生率的预测R2值提高到0.952，对严重度的预测R2值提高到0.913，相对误差也显著降低。这表明通过合理的传感器筛选，可以在不牺牲性能甚至有所提升的前提下，简化系统、降低成本。对传感器在PLS模型中的载荷系数分析揭示了不同传感器的贡献，例如S4（铬菁/硅胶）传感器在预测发生率和严重度时都表现出高载荷，而S10（罗丹明6G/硅胶）传感器则对严重度预测贡献突出，这为了解传感器与特定VOCs的关联及未来传感器优化提供了线索。

3.5. 与传统及新兴技术的比较

文章将本研究的光电鼻系统与现有技术进行了对比。传统方法（如人工巡查）效率低且不够及时。遥感技术（无人机、卫星）适用于大范围监测，但难以在症状出现前检测且成本高。基于图像识别的智能虫情测报灯需要吸引昆虫并处理复杂背景，其准确性受多种因素影响。传统的电子鼻（主要基于金属氧化物传感器）常受选择性和环境干扰问题困扰。实验室高端分析技术（如GC-MS）虽然精确但不适用于田间。本研究的光电鼻系统优势在于：直接针对柑橘重要害虫瓦尔斯绵粉蚧、基于VOCs实现早期检测、经过田间验证、设备便携且成本相对较低，并能提供害虫发生水平和严重度的定量信息，这对于集成害虫管理（IPM）中的科学决策至关重要。研究者认为，这是首个专门为瓦尔斯绵粉蚧田间早期检测而设计、校准并验证的光电系统。

综上所述，这项研究成功开发并验证了一种用于检测柑橘瓦尔斯绵粉蚧的便携式光电鼻系统。该系统的创新之处在于融合了光学和电化学传感技术，并经过了从实验室到田间的严格验证。研究结果表明，该系统不仅能够准确鉴别害虫的有无，区分相近物种，还能对害虫的发生程度进行定量预测，且通过传感器优化简化了系统结构。尽管未来在硬件稳定性、环境因素（温湿度）影响的深入分析以及更大规模田间验证方面仍有工作要做，但这项研究为实现柑橘害虫的早期、精准、可持续监测提供了强有力的技术原型和概念证明。该工具有助于减少农药滥用，降低经济损失，推动智慧农业的发展。