《TrAC Trends in Analytical Chemistry》：Intelligent Terahertz Data Analysis in Agriculture: A Systematic Review of AI-Driven Approaches
编辑推荐：
太赫兹技术结合人工智能算法在农业检测领域取得显著进展，涵盖异物识别、转基因作物鉴定、品种认证、品质评估、成分分析和有害物质检测六大方向，深度学习模型精度达95%-100%，较传统方法提升12%-25%。
孙志忠|罗轩|徐文道|王晨|应一斌
浙江农林大学化学与材料工程学院，杭州，311300，中国
摘要：
太赫兹（THz）技术以其独特的分子指纹识别能力和穿透特性而闻名，在农业领域具有革命性的潜力。然而，THz数据分析面临着重大挑战，包括高维数据集和复杂的特征提取问题。人工智能（AI）算法已成为克服这些限制的变革性工具。与以往关于THz技术或农业化学计量方法的综述不同，本研究系统地回顾了AI驱动的THz数据分析在六个核心农业领域的应用：异物检测、转基因作物识别、品种鉴定、质量评估、成分分析以及有害物质/农药残留检测。分析表明，AI增强的框架始终优于传统方法。在优化场景下，深度学习增强的模型显示出高达95%-100%的准确率，比化学计量方法提高了12%-25%。重要的是，这项工作强调了AI-THz范式，它将实验室级别的精确性与可扩展的农场监测相结合。它为可持续农业提供了战略路线图，填补了农业技术文献中的关键空白。
引言
太赫兹（THz）波位于电磁波谱的微波和红外区域之间，近年来在各种科学和工程领域展现了显著的应用潜力（Wang等人，2025c；Wang等人，2023b）。THz波通常指频率在0.1 THz到10 THz之间、波长在30微米到3毫米之间的电磁波（Afsah-Hejri等人，2020；Fu等人，2024）。该频率范围内的电磁波具有独特的物理特性，包括低光子能量、对极性分子（如水）的选择性吸收以及通过非极性材料（如塑料和陶瓷）的强穿透能力。THz技术的区分能力源于其对低能量分子运动的敏感性，例如氢键振动、晶格声子和集体偶极松弛，这些运动发生在THz频率范围内。这些运动构成了特定化学物质和分子结构的独特“指纹”特征。这些特性使THz技术在材料科学（Huang等人，2025）、生物医学（Pickwell-Macpherson等人，2008；Yang等人，2024）、安全检查（Jiang等人，2022a）和农业（Gao等人，2024）中具有广泛的应用前景。THz成像技术可用于机场、火车站等场所的安全筛查，能够检测隐藏在衣物下的爆炸物和武器等危险物品（Zeng等人，2024）。在数据通信领域，特定的超材料（如石墨烯）在门控下表现出显著的吸收和调制能力，从而实现THz波的有效吸收和调制，这对于下一代无线通信系统至关重要（Samaha等人，2024）。在生物医学领域，THz成像和光谱技术可用于皮肤癌检测（Hamza和Islam，2023）、牙齿健康评估（Cai等人，2022）、药物分析（Huang等人，2023）以及糖尿病足综合征的早期筛查（Hernandez-Cardoso等人，2017）。在农业领域，THz技术在农产品质量检测（Ren等人，2020）、种子活力评估（Wei等人，2022）、植物病虫害诊断（Tan等人，2014）等方面展现了广泛的应用前景。图1展示了THz技术的应用场景，显示了安全检查（Zeng等人，2024）、数据通信（Kludze等人，2024）、生物医学（Hernandez-Cardoso等人，2017；Zhou等人，2021）和农业（Ma等人，2025；Ren等人，2020）之间的共性，突出了其可转移的穿透和检测能力。尽管应用广泛，THz技术在农业应用中仍面临重大挑战，包括高维数据噪声、复杂的矩阵信号分析难度以及对潜在物理机制的有限理解。因此，本综述重点关注THz技术在农业中的应用。
太赫兹技术，特别是基于超材料的传感器，在过去一两年取得了显著进展（Wang等人，2025a）。这些进展主要体现在设计、材料和应用方面。深度学习已被应用于THz超材料传感器的设计。例如，基于Transformer编码器的智能设计方法可以快速预测超材料传感器的吸收特性（Zhang等人，2025）。这种方法可以克服传统设计方法耗时且依赖经验的缺点，实现THz微流控传感器的快速智能设计。为了满足不同的应用需求，研究人员设计了多带和宽带THz超材料传感器。例如，一种新型的双带圆形超材料通过在其结构中引入两个三带阵列，实现了对牛血清白蛋白的高灵敏度检测（Liu等人，2025）。为了克服基板效应造成的限制，研究人员开发了全金属THz超材料传感器。一种基于新型几何结构的全金属超材料吸收器实现了对THz范围内折射率的检测（Banerjee等人，2025）。聚酰亚胺等柔性材料被用于制备THz超材料传感器，这些传感器可用于农药检测等领域（Wang等人，2024）。总体而言，THz超材料传感器在智能设计、新材料应用和生化传感方面在过去一两年取得了显著进展；然而，它们仍面临灵敏度、特异性和水吸收等挑战（Zhang等人，2024c）。未来的研究方向可能包括开发具有更高灵敏度和特异性的THz超材料传感器，以及探索其在更多领域的应用。
农业环境中的显著异质性（农产品物理和化学性质的空间分布不均匀）、动态环境条件（如温度和湿度的变化）以及数据稀缺（由于生长周期长和采样破坏性）需要高度精确、高通量和稳健的检测算法。传统的数据分析方法（如统计分析方法、信号和光谱处理方法如小波变换，以及图像处理方法如边缘检测）往往难以应对这些挑战，而人工智能（AI）算法，特别是深度学习技术，提供了有效的解决方案。AI技术可以自动处理和分析复杂数据，同时通过模拟某些人类智能方面来建立高效的预测模型。AI在图像识别（Batz等人，2023）、语音处理（de la Fuente Garcia等人，2020）和自然语言处理（Alqahtani等人，2023）等领域取得了显著成果。将其集成到THz数据分析中可以有效解决特征提取困难和模型泛化能力有限的问题（Farhad和Pyun，2023）。例如，深度学习中的卷积神经网络（CNN）可以从THz图像中提取空间特征（Wang等人，2025b），而机器学习算法如支持向量机（SVM）和随机森林（RF）在分类和回归任务中表现出色（Hu等人，2017；Qin等人，2017a）。此外，AI模型可以通过迁移学习和数据增强技术提高在有限数据集上的性能（Zhang和Yang，2024）。近年来，THz技术和AI算法的结合在农业领域取得了显著进展。例如，通过利用深度学习算法，研究人员可以更准确地识别农产品中的异物（Li等人，2025；Sun等人，2023b），并采取及时措施提高农产品质量（Peng等人，2025；Yin等人，2024a）。通过集成THz技术和AI算法，研究人员可以准确评估农产品的质量或内部成分，为优化育种、存储管理和其他农业生产方面提供数据支持（Guo等人，2024；Zhang等人，2023c）。此外，AI算法还可以促进THz超材料设计的优化，提高其在复杂农业环境中的适用性（Ge等人，2024b）。
与以往的综述不同，这些综述要么侧重于THz和深度学习方法在医学领域的结合（Gezimati和Singh，2024），要么侧重于THz技术（Fu等人，2024；Gao等人，2024；Khushbu等人，2022）和化学计量方法（Zhang和Yang，2024）在农业和食品工业中的单独应用，本研究旨在探讨AI算法在THz数据分析中的应用，特别强调其在农业中的目标应用。它将阐明AI算法如何增强THz技术在农业中的利用，重点关注异物检测、转基因作物识别、品种鉴定、质量评估、成分分析以及农产品中有害物质和农药残留的检测。还将探讨AI算法在农业中的优势和局限性，以及这些算法如何解决这些限制的机制。此外，本研究将展示最新的研究成果，包括新型算法的开发及其实际应用，并提供对未来前景的见解。
农业领域的人工智能算法
人工智能算法可以分为经典机器学习（如SVM、偏最小二乘（PLS）回归）和深度学习（如CNN、生成对抗网络（GAN））。两者之间的核心区别体现在特征工程范式、模型复杂性和数据要求上，经典方法通常依赖于较小、结构化的数据集，而深度学习则需要大规模数据才能有效训练。经典方法
AI和THz技术在农业中的应用
近年来，THz技术和AI算法的快速发展使得它们在农业领域的联合研究应用显著增加。在本节中，我们将系统地评估AI算法驱动的THz数据分析在农业领域的进展，重点关注六个关键领域：异物检测、转基因作物识别、品种鉴定、质量评估、成分分析以及有害物质和农药残留
技术挑战
AI算法和THz技术的结合在农业应用中展示了巨大潜力，但这种集成方法仍面临几个关键挑战。数据质量和模型泛化能力之间的矛盾约束：THz光谱容易受到环境湿度、样品矩阵效应（如米粉的散射背景）和仪器噪声的影响（Afsah-Hejri等人，2020；Gao等人，2024；Suzuki等人，
结论
本系统综述全面评估了AI驱动的THz技术在农业应用中的前沿进展。THz光谱的分子指纹识别能力与AI的模式分析优势的结合，建立了一个跨越六个关键领域的变革性技术框架：异物检测、转基因作物识别、品种鉴定、质量评估、成分分析和农药残留检测。
CRediT作者贡献声明
王晨：撰写——审稿与编辑、可视化、数据管理、概念化。应一斌：撰写——审稿与编辑、可视化、监督、方法论、概念化。孙志忠：撰写——审稿与编辑、初稿撰写、可视化、方法论、数据管理、概念化。罗轩：撰写——审稿与编辑、可视化、资金筹集、数据管理、概念化。徐文道：撰写——审稿与编辑、可视化、资金筹措
利益冲突声明
? 作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。
致谢
作者衷心感谢国家自然科学基金（项目编号32271979）和浙江省自然科学基金（项目编号LZ23C130006）提供的财政支持。
