采用热敏聚合物的智能比色温度传感器及基于图像的自动识别技术

《Sensors and Actuators A: Physical》：Smart Colorimetric Temperature Sensor with Thermoresponsive Polymers and Automatic Image-Based Identification

　　卡门·洛佩兹-莱昂 | 帕布罗·萨尔塞多-阿布拉伊拉 | 塞萨尔·莫亚诺 | 维克托·托拉尔 | 迭戈·P·莫拉莱斯 | 阿方索·萨利纳斯-卡斯蒂略 | 弗朗西斯科·J·罗梅罗
格拉纳达大学理学院分析化学系，Fuente Nueva大街无号，18071，格拉纳达，西班牙

**摘要**
温度监测在医疗保健、物流和安全等多个领域都至关重要。在各种条件下以经济高效且可持续的方式实现精确测量仍然是科学界和工业界面临的关键挑战。在此背景下，我们介绍了基于聚二甲基硅氧烷（PDMS）基体的比色传感器的开发与表征，这些传感器采用了商用食品级有机热致变色颜料，从而无需电子元件即可实现温度检测。这些传感器由六个不同的模块组成，每个模块含有不同激活温度的颜料，能够在广泛的温度范围内实现连续的光学监测。通过基于图像的处理技术，定量分析了每个模块的比色响应与温度之间的关系。结果表明，这些传感器具有良好的热可逆性，并且在多次热循环和不同环境条件下表现出稳定且可重复的性能。在确定了传感器的比色响应特性后，我们采用数字图像处理方法实现了精确的颜色量化，以克服传统热致变色材料的纯定性特点。此外，该应用使用了随机森林模型，实现了比色数据与温度之间的高精度关联，从而验证了传感器的可靠性。总体而言，这些结果突显了该系统作为可扩展的、无需电子元件的温度监测解决方案的潜力，适用于智能包装或工业中的温度敏感表面等应用。

**1. 引言**
温度是多个领域的关键变量，从生物系统到电子元件都离不开它。在医学领域，温度偏差可能是感染、炎症或代谢紊乱的早期指标；而在电子领域，过热可能会影响设备的性能、能效和寿命[1]、[2]、[3]。因此，能够准确、连续且非侵入性地监测温度对于防止故障和确保多种过程的可靠性至关重要。

材料工程的最新进展强调了功能性纳米材料和传感平台的开发，这些技术在生物医学和工业应用中具有巨大潜力[4]。在这种背景下，对智能、无需能源的传感器需求日益增长，特别是在机器人技术、电子皮肤（e-skin）和智能可穿戴设备等新兴应用中。传统的传感器通常制造在刚性且易碎的基板上，无法承受这些应用所需的机械变形[5]、[6]、[7]、[8]。因此，人们对柔性、轻量化和生物相容性的替代方案越来越感兴趣，尤其是用于人体温度监测[5]、[9]、[10]。通过探索多种传感原理（如电阻温度检测器（RTDs）、红外传感器和热电偶），以及开发新型材料，这一领域取得了显著进展。特别是基于碳的材料（如炭黑、碳纳米管（CNTs）和石墨烯衍生材料），因其优异的电学和机械性能而受到广泛关注[11]、[12]、[13]。当这些材料与聚二甲基硅氧烷（PDMS）、纺织品或聚酰亚胺（PI）等柔性基板结合时，表现出出色的柔韧性和适应性，非常适合用于可穿戴和软电子应用[8]、[14]。

然而，上述方法需要外部电路和电源来进行信号处理和读取。近年来，人们对完全无源的温度传感器越来越感兴趣，即无需电池或电子元件的设备。这有两个主要原因：首先，避免使用电子设备和电池可以降低成本并便于大规模部署；其次，当前电子产品的生命周期模型（包括生产、消费和处置）从长远来看是不可持续的，而无源传感器为减少电子废弃物（WEEE或e-Waste）提供了可持续的解决方案[16]、[17]。

在这种情况下，热致变色材料成为传统电子温度传感器的一种有前景的替代品。与基于导电纳米材料的传感器不同，后者可能受环境或机械干扰的影响且需要复杂的电路，热致变色传感器提供了一种简单、光学且直观的传感方式[18]。热致变色材料的特点是在温度变化时改变颜色，通常在超过某个阈值时变为透明，低于该阈值时恢复原色。它们的可逆性和颜色记忆性使其能够在多次热循环中重复使用，从而提高了其多功能性[19]、[20]、[21]。其中，有机热致变色材料（OTMs）因其高颜色强度、快速响应时间和低成本而受到特别关注[19]、[22]。基于这些特性，文献中报道了多种基于热致变色的温度传感器，大多数依赖于视觉颜色变化作为主要的温度读数机制。例如，Yi等人开发了一种基于羟丙基纤维素的热致变色传感器，工作温度范围为-20至25°C，可逆地从绿色变为黄色，从而实现直观的温度指示[23]；Cheng等人提出了基于微胶囊化相变材料（PCM）的热致变色复合薄膜，在25–50°C范围内具有多色响应[24]。其他纯视觉热致变色方法包括含有银纳米粒子的羧甲基纤维素（CMC）金属凝胶，在4至60°C之间显示从无色到深棕色的比色响应[25]；含有热致变色腙发色团的尿素基有机凝胶[26]；以及含有天然花青素色素的聚合物基质[27]。尽管这些系统具有可逆性和宽工作温度范围，但它们依赖于主观的视觉评估且缺乏自动或定量的温度提取方法，限制了其在精密监测场景中的应用。为了解决这些问题，最近的研究方向集中在基于图像的温度识别方法上，以定量关联比色特征与温度。表1提供了代表性热致变色温度传感器的比较总结，包括热致变色材料、工作温度范围、可逆性、响应类型和解释方法（视觉或自动）。

**表1. 文献中报道的热致变色温度传感器示例**
| 热致变色材料 | 响应范围（oC） | 可逆性 | 响应类型 | 解释方法（自动/视觉） | 参考文献 |
|--------------|-----------|---------|-----------|-----------------|由于这些原因，PLA被广泛用于包装、增材制造和生物医学设备等领域[38]、[39]。另一方面，尽管PDMS由于其交联的热固性结构而不可生物降解[40]、[41]，但它具有低毒性、优异的生物相容性以及出色的化学和结构稳定性，能够在多次循环使用后仍保持光学或机械性能的显著不降解[42]、[43]、[44]、[45]、[46]。最后，基于氟烷型白染料的有机热致变色颜料，如3-二甲基氨基-7,8-苯氟烷，是具有高化学稳定性的合成芳香化合物。虽然通常在环境条件下不可生物降解，但它们被认为毒性较低，尤其是在固态或封装形式下，事实上，许多商业配方已经获得了食品级认证[19]、[47]、[48]。

2.3 材料表征
傅里叶变换红外（FTIR）光谱是在Bruker Tensor 27光谱仪（来自美国马萨诸塞州的Bruker公司）上以衰减全反射（ATR）模式收集的。紫外-可见（UV-Vis）光谱实验是使用配备Praying Mantis?漫反射附件的CARY-5E UV-Vis-NIR VARIAN光谱仪（均来自美国加利福尼亚州的Agilent Technologies公司）进行的。光谱在300–800 nm范围内记录，样品为固态，温度为室温。元素分析使用Thermo Scientific Flash 2000分析仪（来自美国马萨诸塞州的Thermo Fisher Scientific公司）进行，以确定固态颜料中的C、H和N含量（O含量通过差值估算）。

2.4 色度表征
温度传感器的色度表征是使用Memmert GmbH + Co. KG公司（位于德国施瓦巴赫）的气候箱CTC256进行的。图像是使用配备两个白色LED光源的16 MP数字显微镜（来自中国深圳的Dcorn公司）获取的，如图2所示。相机镜头与传感器的距离固定为40厘米。整个成像装置放置在气候箱内，在测量过程中保持密封。

下载：下载高分辨率图像（97KB）
下载：下载全尺寸图像
图2. 热致变色传感器的色度表征实验装置，包括用于温度和湿度控制的气候箱（CTC256，Memmert）和成像系统采集装置。

温度依赖性测量在2–55°C范围内进行。此外，还在固定温度下改变相对湿度（30%至85%）以评估传感器在不同湿度条件下的稳定性。气候箱使用Memmert Celsius软件进行编程和控制，而自动图像采集则使用Python 3.12实现。在典型的办公条件下，没有控制温度或湿度的情况下也进行了额外的表征实验。在这些实验中，传感器被连续监测了一周，同时使用Arduino Uno（来自意大利蒙扎的Arduino SRL）和SHT31温度传感器（来自瑞士St?fa的Sensirion AG）记录环境温度。定期获取色度传感器的图像，并使用Python 3.12自动处理以估计温度。

2.5 颜色分析
传感器的颜色响应作为温度的函数进行了如下表征。传感器和参考样品的颜色是通过固定大小正方形内所有像素的RGB平均值获得的（图3a和图3b）。为了补偿相机响应的不均匀性和采集设置的变化，使用白色/黑色（W/B）归一化方法对原始RGB值进行了校正，这是文献中常用的颜色校正方法[49]。该方法使用白色和黑色参考区域的RGB值根据公式1对传感器读数进行归一化：
(1) RGBC = (255 - RGBW) / (RGBB · RGBi - RGBB)
其中RGBC是传感器i的校正后RGB值，RGBi是传感器的原始值，RGBB和RGBW分别是黑色和白色参考的RGB值。图3c提供了一个校正后图像的示例。鉴于传感器响应主要涉及随着温度升高从无色到有色的转变，RGB值在W/B校正后转换为色调、饱和度和值（HSV）颜色模型。

下载：下载高分辨率图像（110KB）
下载：下载全尺寸图像
图3. (a) 传感器矩阵及用于平均RGB计算和W/B校正的校准区域（黄色）。W/B校正前（b）和校正后（c）的传感器颜色识别。

3. 结果与讨论
3.1 FTIR光谱
根据制造商的信息，所选热致变色颜料的结构基于主要活性成分3-二甲基氨基-7,8-苯氟烷（C??H??NO?，CAS 26628-47-7），其含量为2–10%，这是一种属于氟烷家族的白染料。这些化合物的特点是包含一个可逆热致变色特性的融合多环芳香系统[50]。内酯是一种由羧基（-COOH）和羟基（-OH）的分子内反应形成的环状酯，导致C=O-O键以环的形式存在。这一点得到了图4中FTIR结果的支持，其中确认了这些官能团的存在。在氟烷中，这种内酯融合到一个共轭芳香系统中，使得环可以热开或热闭。像3-二甲基氨基-7,8-苯氟烷这样的氟烷在开放、质子化、高度共轭（有色）形式和闭合、内酯中性（无色）形式之间发生可逆的结构变化，如图5所示。当温度变化时，白染料会吸收或释放质子。在低温下，染料主要以开放形式存在，从而在可见光区域吸收光。随着温度升高，溶剂（通常是脂肪酯）熔化或改变极性，这破坏了酸碱相互作用，使染料恢复到其内酯闭合（无色）形式[50]、[51]、[52]。

下载：下载高分辨率图像（261KB）
下载：下载全尺寸图像
图4. (a) 蓝色白染料，(b) 红色白染料以及(c) 两者的组合的FTIR光谱。

下载：下载高分辨率图像（65KB）
下载：下载全尺寸图像
图5. 白氟烷染料在有色（开放环）和无色（闭合环）之间的可逆结构变化。经Elsevier许可转载自[51]。

在这些热致变色颜料中，白染料溶解在脂肪酯甲基硬脂酸酯（C??H??O?，CAS 112-61-8）中，该溶剂占配方的50-80%。这种溶剂不仅促进了染料结构转换所需的分子流动性，还调节了热致变色系统的转变温度。此外，还含有1-5%比例的三聚氰胺-甲醛树脂（CAS 68002-20-0），作为封装剂。这层保护层为系统提供了热稳定性和机械稳定性，保护颜料核心免受氧化、湿度和热降解的影响。

蓝色和红色染料的FTIR光谱分别显示在图4a和图4b中。如图4a所示，蓝色白染料的光谱在3340 cm-1附近有一个宽带，对应于O-H基团的伸缩。在3060 cm-1区域也观察到一个峰，归因于芳香C-H键，证实了分子中存在芳香结构。2960至2850 cm?1之间的带对应于烷基（CH?和CH?）中的C–H伸缩。1730 cm-1处的强烈峰表明存在羰基（C=O），可能属于内酯[53]。1600和1500 cm-1附近的信号对应于共轭芳香系统中的C=C伸缩，而1250至1000 cm-1之间的多个带则归因于C-O伸缩振动和芳香系统的内部变形。最后，750-700 cm-1区域的带与芳香C-H键的平面外变形有关，表明芳香环上的取代模式[54]、[55]。

另一方面，红色白染料的FTIR光谱（图4b）显示出非常相似的轮廓，包括一个宽的O–H带（约3340 cm?1）、芳香C–H信号（约3060 cm?1）和脂肪族C–H带（2960–2850 cm?1）。1680 cm-1处的强烈峰再次证实了共轭羰基的存在。然而，在红色染料的情况下，1250-1000 cm-1区域的带定义更清晰且分离度更高，这可能是由于C-O振动模式的强度不同，可能与不同的取代基或共轭模式有关。此外，750–700 cm-1区域的轻微变化表明芳香环上的取代模式与蓝色染料有所不同。

如图4c所示，代表了两种染料的组合FTIR光谱，关键区域的吻合性得到了证实，反映了共同的结构基础。

3.2 元素分析
对每种热致变色颜料样品进行了元素分析，以估计平均元素组成并确认其配方。因此，确定了碳（C）、氢（H）和氮（N）的重量百分比，并根据这些值估算了蓝色（B1-B3）和红色颜料（R1-R3）的经验公式，分别如表1和表2所示。

表2. 蓝色热致变色颜料（B1-B3）的元素分析。
表3. 红色热致变色颜料（R1-R3）的元素分析。

估算的经验公式与制造商提供的数据（见第3.1节）非常吻合。结果表明C和H的含量很高，这与脂肪酯溶剂甲基硬脂酸酯（C??H??O?）在组成中的高比例（50–80%）一致。氮的存在也支持了3-二甲基氨基-7,8-苯氟烷（C??H??NO?）作为活性白染料以及三聚氰胺树脂的贡献。颜料之间观察到的组成变化可能反映了这些三种组分（染料、溶剂和树脂）的不同相对浓度，以微调最终的颜料性能，如颜色和转变温度。

3.3 色度表征
3.3.1 UV-可见光谱分析
在室温下对原始颜料进行了UV-可见光谱分析，因此每种颜料都处于其有色或无色状态，具体取决于其特定的激活温度，如图6所示。特别是，图6a显示蓝色颜料在橙红色区域（580–650 nm）有最大吸收，而在蓝色区域（约450 nm）的吸收较低。600 nm附近的吸收最大值对应于开放形式的白氟烷染料中存在的共轭系统的电子π→π*跃迁[54]、[55]、[56]。值得注意的是，样品B3在这个区域的吸光度最高，这与其在环境条件下的激活温度（31°C）未被超过一致，使其主要保持在有色状态。

下载：下载高分辨率图像（146KB）
下载：下载全尺寸图像
图6. 室温下热致变色颜料B1–B3（蓝色）和R1–R3（红色）的UV-可见吸收光谱。

类似地，图6b显示了红色颜料的光谱，其中吸收移至可见光谱的蓝绿色区域（约480–520 nm），而在红色区域的吸收较低。在这种情况下，吸光度高的样品也是在室温下保持有色状态的样品。

3.3.2 可行性测试
首先对单个热致变色PDMS模块的色度响应进行了表征，以评估其在温度传感方面的可行性，包括响应性、可逆性和重复性。图7显示了使用50毫克热致变色颜料R3制造的两个相同的热响应聚合物模块（2 × 2 × 0.2 cm3）的颜色变化，证明了样品的可逆行为。实验的延时视频在补充信息（视频S1）中提供。

下载：下载高分辨率图像（111KB）
下载：下载全尺寸图像
图7. 含有50毫克热致变色颜料R3的PDMS基模块的温度依赖性色度响应（激活温度：45°C），展示了加热和冷却循环期间传感器的可逆颜色变化。

通过计算每个通道（红色、绿色和蓝色）所有像素的平均值，然后转换为HSV颜色空间，计算了每个获取图像的平均RGB颜色。图8显示了加热和冷却循环期间获得的饱和度值。如图所示，传感器表现出良好的色度响应和重复性，在两个循环中显示出相似的温度函数色度响应。还观察到一定程度的滞后现象，这归因于控制热致变色行为的白染料的相变和分子重排。通常报告的情况是，冷却过程中的着色过程通常在比加热过程中的褪色过程更低的温度开始[57]。这种效应也在我们的样本中得到了体现，无色到有色的转变开始于42.9°C，而反向转变（有色到无色）则发生在43.2°C（ΔT = 0.3°C）。下载：下载高分辨率图片（141KB）下载：下载全尺寸图片图8. (a) 图6所示实验过程中的温度曲线。(b) 图6中基于PDMS的模块随时间的饱和度响应。(c) 这些模块的饱和度随温度的相对变化。3.3.3. 单模块优化与表征一旦热致变色/PDMS方法的可行性得到验证，就进行了优化过程，以确定PDMS基质中提供最佳性能的颜料浓度，特别是在比色响应范围和滞后性方面。为此，每种颜料在4克PDMS中以三种不同浓度（10毫克、50毫克和150毫克）进行了评估。对于每种传感器配置，进行了三个完整的加热-冷却循环，以评估颜色饱和度、滞后行为以及重复循环中的性能稳定性，如图9中的颜料R2所示。对于激活温度较高的传感器（B3、R2和R3），温度从15°C扫描到55°C，每个循环持续8.5小时（图9a）。另一方面，激活温度较低的传感器（B1、B2和R1）在2°C到40°C的温度范围内进行测试，每个循环持续10.5小时。该实验的延时视频在补充信息（视频S2）中提供，其中传感器的排列方式是从左到右颜料浓度逐渐增加。下载：下载高分辨率图片（189KB）下载：下载全尺寸图片图9. (a) 用于测试不同浓度颜料R2的传感器温度曲线（插图）。(b) 三种不同模块的饱和度响应。(c) 传感器饱和度随温度的响应。每个模块的平均饱和度（图9b）被用来通过平均不同循环中的加热和冷却响应来获得每种颜料的温度校准曲线（图9b）。因此，图9c展示了这些校准曲线及其对应的标准偏差，适用于不同浓度的颜料R2。总体而言，循环间的变化大于所有颜料的滞后性偏差，尤其是在第一个循环之后，如图9b所示，之后的循环中颜色褪色的效果保持稳定。为了选择最佳的颜料浓度，我们依赖于噪声归一化响应指标（ΔS/avg(SD)），其中ΔS代表整个温度范围内的总饱和度变化，avg(SD)对应于平均标准偏差。这种分析应用于所有颜料和浓度，以选择具有最高优值的配置，如表4所总结。表4. 具有最佳比色响应特性的传感器配置，通过饱和度响应范围和标准偏差来表征。传感器颜料质量（毫克）响应范围（ΔS）平均标准偏差（avg(SD)ΔS/avg(SD)B1150毫克0.780.0419.50B250毫克0.800.0240.00B350毫克0.840.099.33R150毫克0.700.0514.00R250毫克0.790.0711.29R310毫克0.580.0414.50此外，每个选定的传感器配置都重复了三次，以考虑批次间的变化。实验使用与先前研究相同的温度曲线进行，即三个完整的加热-冷却循环。该实验的延时视频在补充信息（视频S3）中提供。这种表征使得能够确定每个单独模块的平均饱和度响应，如图10所示，包括它们在各自转变温度下的饱和度逐渐变化（从有色到无色），包括与不同上升和下降循环相关的标准偏差。下载：下载高分辨率图片（350KB）下载：下载全尺寸图片图10. （a）B1（150毫克）、（b）B2（50毫克）、（c）B3（50毫克）、（d）R1（50毫克）、（e）R2（50毫克）和（f）R3（10毫克）颜料基于PDMS的传感器的饱和度响应随温度的变化。3.3.4. 全传感器表征为了实现宽范围和连续的温度传感，我们设计了一个由多个基于PDMS的模块组成的比色传感器，每个模块都包含一种先前介绍的不同激活温度的热致变色颜料。这种模块化方法使传感器能够覆盖更宽的操作范围，每个单元对特定的温度窗口作出响应。这样的传感器特别适合包装应用，其中温度必须保持在定义的阈值以下，从而可以简单地检测冷链破坏。遵循先前实验中使用的方法，在温度循环期间（从2°C到55°C，每个循环10小时），每两秒拍摄一次传感器内部的照片来捕捉每个模块的颜色变化。图11显示了加热过程中整个传感器的比色响应，其中每个模块的饱和度随着温度接近其激活阈值而逐渐降低，这与图10中显示的行为一致。该实验的视频在补充信息（视频S4）中提供。下载：下载高分辨率图片（205KB）下载：下载全尺寸图片图11. 加热过程中整个传感器模块的比色响应。图片（顶部）和相应的W/B校正后的平均颜色（底部）显示了每个模块的饱和度逐渐变化。4. 基于图像的自动温度识别本节介绍了基于图像的自动温度识别方法的实现，以展示所提出的比色传感器在高级传感应用中的潜力。为此，使用每个模块的饱和度与温度之间的校准曲线（图10）来训练机器学习（ML）模型，以实现自动温度估计。如每个模块的单独表征中所观察到的，虽然所有模块都表现出非线性和饱和行为，但它们的整体响应各不相同。在这种情况下，当数据集包含异构的颜色响应，并且定义单一的分析决策边界具有挑战性时，随机森林（RF）模型提供了一种稳健的策略，因为它们能够捕捉非线性关系，并且对传感器间的变化和测量噪声具有抵抗力。RF模型将多个决策树组合成一个预测器，提高了泛化能力，并能够准确建模复杂的传感系统[58]。然后，使用Python的scikit-learn机器学习工具箱[59]训练了一个RF回归模型，以学习温度（T）与六个模块的饱和度值（si, i = 1, …, 6）之间的关系。为此，我们使用了默认的树的数量（100），没有限制树的深度，允许每个决策树完全适应非线性的饱和度-温度关系。一旦训练完成，通过将估计的温度与相应的参考值进行比较来评估模型的性能。如图12所示，模型显示了估计温度和实际温度之间的强相关性，测试范围内的均方根误差（RMSE）为0.85°C，这证明了所提出的多传感器融合方法用于可靠温度识别的能力。此外，还可以观察到，在最小值和最大值附近，由于所有模块的比色响应饱和度，估计温度的离散度增加。下载：下载高分辨率图片（115KB）下载：下载全尺寸图片图12. (a) 实际温度（虚线蓝色）与训练有素的RF模型估计的温度（红色点）之间的相关性，及其相应的RMSE。(b) 新数据集在两个加热-冷却循环中的实际温度和估计温度的时间比较。训练有素的RF模型进一步使用图11中显示的实验的多个加热和冷却循环的独立数据集进行了验证。为此，从获取的图像中提取了所有六个模块的饱和度值，并将其作为输入到训练有素的模型中，以估计随时间变化的温度。这些估计的结果包含在图12b中，显示了参考温度随时间的变化以及RF估计值。如图所示，尽管存在内在的滞后性和个别比色响应的循环间变化（如图10所示），但在整个加热和冷却循环中都有一致性。这些结果还表明，当前系统的有效传感范围是7.8°C到36.6°C，在此范围之外，所有比色模块都接近饱和极限。重要的是要注意，这一限制是由于颜料的激活温度范围造成的，而不是识别方法本身。因此，通过加入具有互补激活温度的额外模块，可以扩展操作范围，突出了该平台对特定应用的适应性和可扩展性。此外，为了展示所提出的基于图像的温度传感平台在现实世界场景中的实用性，我们在智能食品包装的背景下进行了概念验证演示。为此，将比色传感器模块真空包装在商用食品级塑料容器中，同时加入常用的食品保鲜剂（该实验的延时视频也在补充信息中作为视频S5提供）。对于这个应用，使用Python的OpenCV包（cv2）[60]自动分析了传感器的图片（图13a）。这个过程首先涉及识别传感器的白色轮廓（图13b中的绿色方块）。之后，通过三角测量（图13b中的红色方块）识别每个传感器模块，以及W/B参考值（图13b中的蓝色方块）。然后按照第2.5节所述的方法对每个模块的RGB颜色进行W/B校正，并将其转换为HSV空间，从而能够估计每个模块的平均饱和度，最终用作训练有素的RF模型的输入，以估计温度，如图13c所示。下载：下载高分辨率图片（129KB）下载：下载全尺寸图片图13. (a) 真空包装的传感器模块及其实际温度。(b) 自动识别的传感器轮廓（绿色方块）、单个传感器模块（红色方块）和W/B参考值（蓝色方块）。(c) 使用W/B校正后的每个模块的平均饱和度，用于估计温度。除了真空包装演示之外，还进行了两个进一步的实验，以评估所提出的传感平台在现实环境条件下的鲁棒性和可靠性。一方面，通过在典型的办公室条件下（开灯）拍摄一周的传感器图片进行了长期稳定性测试（图14）。在这种情况下，结果显示估计温度与实际温度非常接近，如图14a和图14b所示，尽管环境温度和照明条件有自然变化，整个监测期间的最大误差为ΔT = 3.22°C。下载：下载高分辨率图片（348KB）下载：下载全尺寸图片图14. (a) 办公室条件下（开灯）一周内每个热致变色模块的饱和度。(b) 随时间变化的实际温度和RF模型估计的温度。(c) 温度估计误差的时间演变。另一方面，在30°C的固定温度下在气候室中测试了一个传感器，同时将相对湿度从30%变化到80%（图15a）。在这种情况下，实际温度和估计温度随时间的变化结果（图15b）表明，传感器对相对湿度的变化具有很高的鲁棒性（ΔT = -1.67°C），突显了PDMS作为封装材料在温度传感应用中减轻湿度效应的出色可行性[61]。下载：下载高分辨率图片（109KB）下载：下载全尺寸图片图15. (a) 用于相对湿度测试的温度和湿度曲线。(b) 随时间变化的实际温度和RF模型预测的温度。(c) 随时间变化的温度预测误差。5. 结论开发了一种完全被动、可扩展且低成本的比色温度传感器，使用的是用不同有机白热致变色颜料功能化的PDMS基质，每种颜料都有不同的激活阈值。这些颜料的组合，源自3-二甲氨基-7,8-苯氟烷，能够在7.8°C到36.6°C的温度范围内实现模块化的视觉响应，通过加入具有互补激活温度的额外模块，还可以进一步调整和扩展这一范围。每个模块都表现出从有色状态到几乎透明的渐进、可逆且可重复的转变，证明了在多个热循环中的高可靠性。该系统通过光谱技术（FTIR、UV–Vis）、元素分析和热循环测试进行了严格验证，确认了传感器在标准操作条件下的稳健性。基于图像的颜色变化量化，结合基于随机森林的机器学习模型，实现了精确的自动温度估计，均方根误差为0.85°C。此外，在智能食品包装的背景下进行的概念验证、在办公室环境条件下的长期稳定性测试以及在不同湿度水平下的受控实验，证明了该平台对环境变化的鲁棒性，突显了其在实际应用中的适用性。研究表明，这种模块化、可数字读取且环保的传感器平台为传统的电子温度传感器提供了一种创新的替代方案。由于其可扩展性和可靠性，该平台非常适合用于智能包装、智能表面以及其他工业或消费应用，从而为集成到下一代温度传感系统中奠定了基础。

CRediT作者贡献声明：
Víctor Toral：撰写、审稿与编辑、验证、软件开发、研究、形式分析。
César Moyano：撰写、审稿与编辑、验证、软件开发、项目管理、研究、资金筹集、概念构思。
Pablo Salcedo-Abraira：撰写、原始稿撰写、资源准备、方法论研究、形式分析。
Carmen López-León：撰写、原始稿撰写、数据可视化、研究、形式分析、数据整理。
Francisco J. Romero：撰写、原始稿撰写、数据可视化、验证、项目监督、软件开发、方法论研究、形式分析、概念构思。
Alfonso Salinas-Castillo：撰写、审稿与编辑、验证、项目监督、资源准备、概念构思。
Diego P. Morales：撰写、审稿与编辑、验证、项目监督、资源准备、概念构思。