《Sensors and Actuators B: Chemical》：Discrimination between healthy and tomato spotted wilt virus infected tomato plants by means of temperature-modulated gas sensors
编辑推荐：
植物病毒病是农业中的重大挑战，具有显著的经济影响。植物健康状态与特征性挥发性有机物（VOCs）释放之间的关联已在分析化学文献中得到充分证实。然而，开发一种适用于田间、可自动检测这些嗅觉信号且经济实惠的技术，仍然是气体传感领域的一项主要挑战。本研究探讨了利用温度调制的金属氧化物（MOX）气体传感器，来检测番茄植株中番茄斑萎病毒（TSWV）感染爆发的可能性。为处理传感器间重复性问题和植株个体差异，研究人员设计了每次包含8株植物的实验，每株配备一个专用传感器。考虑到植物释放的VOCs具有复杂的时效性以及非感染相关的干扰效应，他们采用了一种利用整个传感器网络信号的分析方法。结果表明，所提出的技术能够通过检测单个传感器信号相对于网络整体行为的异常，来识别感染的爆发，并有望用于自主、非侵入性的田间操作。聚合酶链式反应（RT-qPCR）和气相色谱-质谱联用（GC/MS）分析表明，该传感系统主要对植物组织损伤释放的挥发物有响应。这些结果凸显了该技术在未来开发用于温室植物健康状态非侵入性监测分布式网络的潜力。
想象一下，在现代化的温室里，一排排番茄植株茁壮成长。然而，一场看不见的战争正在叶片间悄然进行——由番茄斑萎病毒（TSWV）引发的感染，可能导致作物严重减产甚至绝收。植物病毒病是全球农业面临的重大挑战，据估计每年造成数百亿美元的经济损失。传统上，农民和植保专家需要依靠肉眼观察来发现病害症状，但这往往是在感染已造成损害之后。有没有一种方法，能在病毒肆虐之前，就像“植物医生”一样，非侵入性地、早期“嗅”出病害的苗头呢？
科学研究已经证实，植物在受到生物（如病毒、害虫）或非生物胁迫时，会释放出一系列独特的挥发性有机化合物（VOCs），这就像是植物发出的“求救信号”或“健康报告”。利用昂贵精密的实验室仪器，如气相色谱-质谱联用（GC/MS），科学家能够“读懂”这些信号。然而，这些设备庞大、昂贵且需要专业人员操作，难以应用于广阔的田间地头。开发一种成本低廉、小巧便携、适合在温室或大田分布式部署的自动传感技术，成为了农业传感领域的“圣杯”。
发表在《Sensors and Actuators B: Chemical》上的一项研究，正是向这个目标迈出的重要一步。来自意大利国家研究委员会光学研究所等机构的研究团队，提出并验证了一种基于温度调制金属氧化物（MOX）气体传感器的创新方法，用于区分健康与TSWV感染的番茄植株。他们试图回答的核心问题是：能否利用一种廉价、紧凑的传感器网络，在复杂的田间环境（高湿度、个体差异等干扰下），可靠地、早期地检测出由植物病毒病引发的独特VOCs变化？
为了回答这个问题，研究人员主要运用了以下几项关键技术方法：1. 传感系统构建：使用基于商业MOX气体传感器（TGS 2620）的紧凑型数据采集平台，并采用温度调制模式工作，通过周期性改变传感器工作温度来获取更丰富的气体响应“指纹”信息，避免了传统方法需要洁净空气作参考的局限。2. 实验设计与数据采集：研究设计了包含8株番茄植株（其中4株接种TSWV，4株模拟接种作为对照）的实验单元，每株植株被单独置于一个塑料瓶中，并配备一个专属的MOX传感器，以并行监测并处理传感器和植株的个体差异。3. 挥发性成分分析：利用气相色谱-质谱联用（GC/MS） 技术，在感染后不同时间窗口收集并分析健康与感染植株释放的VOCs谱图，以明确目标气味的化学复杂性。4. 感染确认：在实验结束时，通过逆转录定量聚合酶链式反应（RT-qPCR） 对植株叶片样本进行基因检测，精确确认其感染状态，为传感数据分析提供“金标准”标签。5. 高级数据分析方法：面对传感器原始数据中强烈的环境干扰和个体差异，研究团队没有依赖传统的单传感器绝对信号值，而是创造性地开发了一种基于整个传感器网络信号的函数（Δ函数），用于量化感染植株与健康植株传感器信号特征之间的分离程度，并以此为依据进行数据标注，最终训练了K-最近邻（KNN） 等监督学习模型，用于自动判别植株健康状况。
研究结果
1. 遗传诊断与植株症状
RT-qPCR和视觉观察确认，在有效的感染实验（B组）中，所有接种病毒的植株均被感染，并表现出生长停滞、叶片坏死、青铜色等症状；而模拟接种的健康植株则正常生长，无坏死症状。在一次无效接种的实验（A组）中，植株均未感染且无症状。这为后续传感器数据分析提供了可靠的生物学基准。
2. GC/MS分析
GC/MS结果表明，感染植株释放的VOCs谱图比健康植株复杂得多，在感染后期（168-240小时）出现了约43个额外的色谱峰。被识别的关键化合物包括乙醇2-丁氧基、苯甲醛、苯乙酮等，其中一些已知与番茄的生物胁迫或叶片损伤相关。重要的是，目标气味并非由少数几种化合物主导，而是由浓度分布呈现“长尾”特征的复杂VOCs混合物构成。这支持了研究者选用对醇类和有机溶剂具有广谱响应的MOX传感器（TGS 2620）的策略。
3. 数据概览与挑战
对传感器原始电阻-时间曲线（Rs(t)）的初步观察显示，数据受到近乎饱和的高湿度、传感器间差异以及植株个体差异的严重干扰，健康与感染植株的信号并未呈现出清晰的分类。这凸显了直接从单个传感器原始数据中提取信息的困难。
4. 数据分析方法
为解决上述挑战，研究者提出了创新的Δ函数。该函数计算，在任一给定时刻，感染组植株传感器信号特征值的范围（从最小值到最大值）与健康组植株信号特征值范围之间的重叠或分离程度。Δ值为负表示两组信号完全分离，正值表示存在重叠。通过分析归一化后的传感器特征（如f1,norm, f2,norm等），他们发现部分特征能有效区分两类植株。
5. 探索性数据分析
- •
特征选择与气味标记：分析显示，特征f1, f2, f5, f6, f7, f8对应的Δ函数，在接种后约175至325小时的时间窗口内，呈现出规律性的昼夜振荡模式：在光照期Δ变为负值（可区分），在黑暗期Δ恢复正值（不可区分）。这种模式与植物VOCs释放受光调节的文献报道一致，因此被确定为“感染相关比较模式”。基于此，可将Δ < 0的时间标记为“感染相关气味”期，Δ > 0的时间标记为“非感染相关气味”期。
- •
排除干扰因素：通过对照实验和数据分析，研究者排除了环境温湿度恒定变化、植株蒸腾作用差异（因感染植株生长受抑制导致叶面积不同）以及传感器/植株个体相似性等因素是造成上述特定Δ模式的主要原因，进一步证实该模式源于感染引发的VOCs差异。
- •
检测能力：该技术能在接种后约1周（180-200小时）检测到感染，这与GC/MS和肉眼观察症状出现的时间相当，但其优势在于潜在的低成本、自动化和现场适用性。
6. 监督模型
为了模拟真实温室场景（感染可能从单株开始），研究者基于选定的传感器特征（如f1,norm），提取了能够描述网络整体信号在昼夜交替时动态变化的新特征（φlight, φdark, φdiff）。利用这些特征和由Δ函数定义的标签，他们训练了KNN分类模型。最佳模型（基于f1,norm的特征）在交叉验证中达到了93.1%的预测准确率，能够有效识别出网络中出现异常（感染）信号的个体。
研究结论与意义
本研究表明，基于温度调制模式的商用MOX气体传感器网络，结合专门设计的网络级数据分析算法（Δ函数）和监督学习模型（KNN），能够有效区分健康与TSWV感染的番茄植株。该系统通过检测单个传感器信号相对于网络中其他传感器共同趋势的异常，来实现对感染爆发的早期识别。
这项研究的重要意义在于：第一，技术可行性：它证明了尽管存在高湿度、传感器差异和植株个体变异等严峻挑战，低成本、紧凑型的MOX传感技术仍有潜力用于复杂的农业环境监测。第二，方法创新：提出的Δ函数和基于网络整体行为的分析思路，为处理传感器在真实场景中的重复性问题和目标信号的微弱性提供了新颖的解决方案。第三，应用前景：这项工作是开发可用于温室植物健康状态非侵入性、实时、分布式监测网络的关键概念验证。未来，通过优化传感器材料（如提升对湿度不敏感性）、改进算法以及进行更大规模的田间试验，这类系统有望成为精准农业和智能植保管理中强有力的工具，帮助农民及早发现病害，采取精准措施，从而减少经济损失和农药使用，迈向更加可持续的农业生产。
