综述：免疫传感器与人工智能的整合：一种快速检测根茎腐烂病的新方法

这篇综述创新性地提出将免疫传感器（immunosensor）与人工智能（AI）技术结合，为解决姜黄（Curcuma）和生姜（Zingiber）根茎腐烂病的早期检测难题提供了智能方案。通过分析卷积神经网络（CNN）模型在植物病害图像识别中的表现，推荐采用GoogLeNet-Inception-v3架构，并引入免疫传感器数据与叶片图像的多模态输入，显著提升检测特异性，避免与其他病原体的交叉反应，为农业可持续发展提供数字化诊断工具。

　　

ABSTRACT

根茎腐烂病对姜科植物姜黄（Curcuma）和生姜（Zingiber）的产量与品质构成严重威胁。这类病害主要由土传真菌引起，由于病原体潜伏于地下根茎，传统检测方法难以在感染初期识别，往往延误防治时机。虽然免疫传感器和实验室检测技术准确性高，但其成本昂贵、操作复杂且耗时长，限制了实际应用。

人工智能驱动的智能检测

为解决这一难题，研究者提出将实验室检测方法与人工智能（AI）技术整合的创新策略。通过系统评估不同卷积神经网络（CNN）模型在植物病害图像识别中的性能，发现GoogLeNet-Inception-v3架构对根茎腐烂病的检测准确率最高。研究特别强调，采用数据增强技术生成的图像作为输入，可显著提升模型测试性能。

突破交叉反应瓶颈

针对检测过程中易与其他病原体感染发生交叉反应的问题，综述提出了一种新型整合CNN模型。该模型创新性地融合了免疫传感器输出的蛋白条带数据，以及健康与染病叶片的图像数据，通过多模态输入实现双重验证。这种数字化的智能诊断方法不仅提高了早期检测的灵敏度，还通过特异性分析有效区分了根茎腐烂病与其他相似症状的感染。

Conflicts of Interest

作者声明本研究不存在利益冲突。该整合技术为农业病害的精准防控提供了新思路，有望推动姜科作物生产的可持续发展。