《Photonics》：Review of Optical Fiber Sensors: Principles, Classifications and Applications in Emerging Technologies
编辑推荐：
这篇综述系统梳理了光纤传感器（OFS）的核心原理、技术分类及其在新兴技术领域的应用。文章通过分析2019-2025年间超过23,000篇文献，重点对比了本征（Intrinsic）和非本征（Extrinsic）传感器在工业、医学与生物医学、环境化学、土木/结构工程及航空航天五大领域的适用性。综述揭示了光纤布拉格光栅（FBG）和分布式传感在高精度场景中的主导趋势，以及人工智能（AI）和物联网（IoT）集成传感器等新方法的兴起，并指出了在成本、校准和标准化方面的技术壁垒，为未来研究和产业部署提供了战略见解。
光纤传感器的基本原理与结构
光学纤维传感器的核心在于其利用光作为信息载体。其基本结构由纤芯、包层和外涂层组成，纤芯负责传导光信号，包层通过较低的折射率（ncladding< ncore）实现全内反射，将光限制在纤芯内传播，外涂层则提供物理保护。根据传输模式，光纤主要分为单模光纤（SMF）和多模光纤（MMF），以及单模-多模-单模（SMS）等混合结构，不同类型的光纤在分辨率、耦合效率和适用场景上各有特点。一个典型的光纤传感器系统包括光源、传感元件、光学光纤和光探测器（如光谱仪），其工作原理是基于外界物理或化学量（如温度、压力、应变、折射率）对光信号的强度、相位、波长或偏振等特性进行调制，并通过检测这些变化来实现测量。
传感器分类：本征与非本征架构
光纤传感器的一个根本分类依据是传感现象发生的位置相对于光纤本身，由此分为本征传感器和非本征传感器。本征传感器中，光纤既作为传光介质，也作为敏感元件，外界被测参数直接改变光纤内部的光学特性（如折射率、相位）。常见的本征传感器架构包括光纤布拉格光栅（FBG）、马赫-曾德尔干涉仪（MZI）、迈克尔逊干涉仪（MI）、萨格纳克干涉仪（SI）以及基于瑞利（Rayleigh）、拉曼（Raman）和布里渊（Brillouin）散射的分布式传感器（DOFS）。
而非本征传感器则主要利用光纤作为信号传输的通道，实际的传感过程发生在光纤外部的一个独立元件中。例如，非本征法布里-珀罗干涉仪（EFPI）在光纤端面与一个外部反射面之间形成空气腔，通过测量腔长变化来感知压力或位移。这种设计提供了更大的灵活性，常用于需要特殊敏感材料或复杂几何结构的场合。
在医学与生物医学领域的应用
在生命科学与健康领域，光纤传感器因其固有的生物相容性、电磁干扰（EMI）免疫能力和可微型化潜力而备受青睐。本征传感器，特别是FBG和干涉式传感器，在医疗 procedures 和手术中发挥着重要作用。例如，FBG传感器被集成到智能导管中，用于实时监测颅内和血管内压力；也用于激光消融手术中，对组织温度进行高精度测量，以避免过热损伤。基于MZI的传感器则被开发用于检测人体呼出气体中的丙酮，作为糖尿病 mellitus 的生物标志物，其检测限可达ppm级别。
非本征传感器在生物医学中同样有其独特价值。例如，基于闪烁体材料的非本征传感器被用于近距离放射治疗（Brachytherapy）中的辐射剂量测量，提供高空间分辨率且无需外部供电。另一种EFPI传感器被设计用于血管内手术中的压力监测，其微小的尺寸（直径125 μm）使其能够与血管导丝兼容。
尽管前景广阔，生物医学应用仍面临挑战，包括高昂的解调设备成本、在动态生物环境中复杂的校准问题，以及长期植入时的生物污垢（biofouling）和生物相容性要求。未来的发展将依赖于功能化涂层（如石墨烯、生物特异性膜）的进步以及与人工智能算法结合的数据处理能力提升。
在环境化学与健康监测中的应用
环境化学监测是光纤传感器的另一个重要应用领域，其目标是检测空气和水体中的污染物、重金属离子、pH值等。在这类应用中，传感器常通过功能化涂层来增强选择性和灵敏度。例如，一种EFPI传感器使用聚苯胺（PANI）作为敏感膜，实现了对pH值的高灵敏度测量（~145 pm/pH）。另一种基于局部表面等离子体共振（LSPR）的传感器，利用金纳米星（gold nanostars）修饰的光纤，能够检测低至0.001的折射率变化，适用于液体环境中的化学分析。
对于重金属离子检测，研究人员开发了基于离子印迹水凝胶的EFPI传感器，用于选择性检测水溶液中的Pb2+离子，表现出良好的抗干扰能力。此外，分布式传感器网络使得对大范围环境，如管道、河流或土壤，进行连续、实时的化学参数监测成为可能。
挑战与未来展望
尽管光纤传感器技术取得了显著进展，但其大规模应用仍面临一些挑战。成本是一个关键因素，特别是高性能解调仪和特种光纤的造价。现场校准的复杂性、在恶劣环境下的长期稳定性以及缺乏统一的标准化协议也是需要解决的问题。
未来的发展方向包括进一步微型化以实现微创植入式监测，开发更高选择性和稳定性的生物与化学敏感膜，以及深度与人工智能（AI）和物联网（IoT）融合。例如，机器学习（ML）算法可用于处理分布式传感器产生的大量数据，实现模式识别、故障预测和自适应校准。与6G通信网络的结合，则将使光纤传感器成为未来智能城市、远程医疗和先进工业自动化系统中不可或缺的感知神经。
