《Computers and Electronics in Agriculture》：Plant wearables in smart agriculture: advancements, technical challenges, opportunities, and a cyber-physical roadmap in volatile organic compound detection
识别了植物可穿戴设备中的关键湿度漂移和气孔屏蔽缺陷。整合了元启发式优化和可解释人工智能（Explainable AI）用于传感器开发。提出了一个融合材料科学和边缘人工智能（Edge-AI）的四阶段技术路线图。提出了蒸腾中性传感器架构以实现准确的现场数据。将网络物理植物系统（CPPS）与农业5.0对齐，以构建自主生物信息系统。
**1. Introduction**
作物损失因延迟应激诊断而持续增加，视觉检查难以完全识别胁迫源，因为部分病害症状相似。植物释放挥发性有机化合物（VOCs）作为早期生物标志物，以应对非生物和生物胁迫。常规方法如气相色谱-质谱联用（GC–MS）提供高化学特异性，但依赖实验室、多步骤且耗时；电子鼻（E-nose）系统便携且可现场部署，实现了98%的分类准确率，但受限于传感器特异性、采样窗口、环境稳健性和机器学习算法。植物可穿戴传感器支持连续、非侵入性、原位实时监测，通过轻量化和适形架构提高灵敏度，但面临环境干扰如湿度影响。人工智能（AI）在电子鼻系统中广泛用于VOC模式识别，但在传感器材料开发和设计架构中的应用仍不充分。本研究回答了四个研究问题：常规VOC传感方法与植物可穿戴设备在作物胁迫监测中的比较（第2节）；人工智能在VOC信号处理、胁迫分类和传感器材料设计中的作用（第3节）；限制现场部署的技术障碍（第4节）；以及实现可扩展采用的研究差距和未来优先事项（第5节）。研究贡献包括：综述人工智能在植物可穿戴VOC检测中的应用；识别多尺度技术-生物约束；提出四阶段网络物理路线图。
**2. Plant wearable sensors for volatile organic compound detection**
植物可穿戴传感器通过检测物理、生理和生化变化提供早期胁迫信号，通过杂交材料如聚合物和电子材料实现可持续发展。传感器架构包括贴片式、夹式和混合配置，各有不同的适形性和功能性。优点包括连续监测、直接安装在植物部位、早期检测生理和生化变化。挑战在于干扰叶片自然气体交换，易受环境因素影响。从材料角度设计传感器可提高整体功能。
**2.1. Current applications of plant wearable sensors for volatile organic compound detection**
植物可穿戴VOC检测在智慧农业中仍处于新兴阶段。这些化合物是早期胁迫生物标志物，传统检测依赖实验室分析。最新发展实现了直接在植物表面的早期、实时、原位和非侵入性监测，可补充实验室分析系统。
**2.1.1. Determination of abiotic stress through volatile organic compounds detection**
非生物胁迫如干旱、盐度、光胁迫和机械损伤可通过植物可穿戴设备检测。Sangmen等人（2026）提出了一种多模态传感器，用于检测甲醇和α-蒎烯，集成在紧凑3D打印外壳中。使用铂纳米颗粒/氧化锌纳米棒@沸石咪唑框架-8（PtNPs/ZnONRs@ZIF-8）化学电阻传感器检测甲醇，灵敏度为-24.37 Ω/log(ppm)，检测限0.133 ppm；分子印迹（MIP）传感器检测α-蒎烯，灵敏度0.0006 Ω/ppb，检测限66.15 ppb。甲醇传感器在40-90%相对湿度（RH）下具有更强选择性，而MIP传感器对湿度敏感。Zheng等人（2023）提出了一种近场通信（NFC）集成聚乙烯-醋酸乙烯酯/多壁碳纳米管（PEVA/MWCNT）化学电阻传感器，用于检测α-蒎烯，灵敏度8.32 kΩ/ppm，检测限0.5 ppm，在机械损伤下电阻增加超过8%，而干旱下仅2%，表明对急性损伤更响应。Lee等人（2023）开发了3D金包覆银纳米线-多壁碳纳米管（Au@AgNW-MWCNT）混合网络，涂覆疏水溶胶-凝胶，检测叶醛，在100-500 ppm范围内显示高灵敏度，耐湿度达90% RH，温度干扰小于0.7%，叶背气孔密度高73%。这些传感器使检测比常规方法提前2-3天。图2展示了多模态、双模和NFC集成传感器系统，但均限于实验室控制环境。
**2.2. Determination of abiotic stress through volatile organic compounds detection**
（注：原文标题如此，但内容涉及生物胁迫如病害）植物可穿戴设备也通过VOCs检测植物病害或非生物胁迫。Li等人（2021）提出了一种基于还原氧化石墨烯（rGO）化学电阻阵列的传感器，功能化硫脲和金纳米颗粒，集成银纳米线在kirigami聚酰亚胺基底上。对（E）-2-己烯醛等VOCs的检测限为0.13-1.4 ppm，响应时间小于20秒，8通道阵列通过主成分分析（PCA）实现97.6%分类准确率。Kirigami设计抑制叶片运动噪声，在0-50%应变下波动≤0.2%，在风条件下波动<0.5%，经1600次负载循环稳定。该传感器在90小时接种后检测到致病疫霉菌（Phytophthora infestans），早于可见症状115小时，并在1小时内响应机械损伤。Yang等人（2026）开发了基于叶面安装的沸石咪唑框架-8/聚丙烯腈（ZIF-8/PAN）比色传感器阵列，用于检测水稻茎螟虫侵害，使用10种响应性卟啉/pH指示剂染料，在1-5 ppm范围内识别害虫诱导的VOC生物标志物，场验证分类准确率0.92，经50次变形循环后保持98%响应。图3展示了kirigami架构在抑制机械应变中的作用，强调了实现蒸腾中性架构的必要性，以确保检测的VOC指纹反映系统胁迫而非传感器局部响应。图4展示了ZIF-8/PAN电纺纳米纤维的比色传感器，通过提取红绿蓝（RGB）值区分健康和感染水稻，逻辑回归模型准确率0.92。
**2.3. Volatile organic compounds for physiological condition and plant dynamics monitoring through volatile organic compounds detection**
植物可穿戴VOC传感器日益用于测量生理变异。Ibrahim等人（2022）开发了基于PtNPs/poly(ATD)/碳工作电极的电化学传感器，用于检测甲醇，氧化电流281 μA，电荷转移电阻31 kΩ，检测限0.5 ppm，响应时间10秒，动态范围0.5-500 ppm。传感器与GC–MS高度相关（R2=0.999），在5-100% RH和20-60°C下信号变化微小。在温室中，较嫩的上部叶片释放更多甲醇，并区分了V8和V12植株的甲醇排放差异。图5显示了湿度、温度对传感器响应的影响及校准曲线。图6展示了在玉米上的现场验证，传感器集成氮气吹扫气体收集室，区分了Mo17和B73基因型的甲醇排放模式，并监测了时间变化。
**2.4. Comparison of plant wearables with GC–MS and e-nose systems in VOC detection**
植物可穿戴传感器在开放现场应用中具有显著优势，实现非侵入、实时、原位监测，但无法像GC–MS那样进行化合物分离和化学鉴定。GC–MS对传感器响应验证和指定特定VOC生物标志物是必要的。E-nose系统更适合快速区分和分类挥发性物质，而植物可穿戴设备更利于早期应激检测。表1比较了GC–MS、E-nose和植物可穿戴传感器在性能和应用潜力上的差异，指出植物可穿戴传感器在开放现场应用中仍有待更广泛的长期验证。
**3. Artificial intelligence for data processing, stress classification, and potential in sensor formulation and design**
本节讨论人工智能如何支持植物可穿戴VOC传感器。
**3.1. Computational intelligence for sensor material design**
机器学习（ML）、深度学习、经典启发式和元启发式算法在传感器材料比例优化中常用。实验优化方法如响应面法（RSM）处理复杂非线性问题困难，而元启发式算法如河马优化器（HO）、海象优化算法（WOA）和角蜥优化算法（HLOA）可找到全局最优解。例如，Kim等人（2025）应用这些算法优化聚乙烯醇-聚乙二醇-溴百里酚蓝的戊二醛浓度，所有算法找到相同最优解（4.9251%戊二醛），但HLOA收敛最快且稳定，偏差仅0.65%。与ML模型如随机森林（RF）和支持向量机（SVM）相比，元启发式算法代表了范式转变，能解决多目标优化问题如平衡响应时间和选择性。表2列出了当前用于可穿戴传感器的计算智能算法，包括顺序最小二乘规划、遗传编程、NSGA-II等，指出元启发式算法在传感器材料优化中的应用仍不充分。
**3.2. Current applications of artificial intelligence in PWS data processing and stress classification**
人工智能在植物可穿戴VOC检测中的应用仍处于新兴阶段，但在电子鼻系统中已成熟。无监督ML模型如PCA用于分析实时传感器数据，识别最关键的传感器通道和理想组合。Lee等人（2023）使用PCA识别了六传感器组合，可在接种后8天甚至4天检测番茄斑点萎蔫病毒（TSWV），并确定第二氯噻吩酚基VOC传感器（VOC_C2）、第一氟噻吩酚VOC传感器（VOC_F1）和叶片表面湿度传感器（H）足以进行早期检测。图8显示了AI辅助多模态传感器，通过PCA降维和欧氏距离区分健康和感染叶片，并优化传感器组合，实现早期定量诊断。
**4. Global trends and technological gaps**
本节讨论植物可穿戴传感器超越VOC检测的当前趋势和技术挑战。
**4.1. Current trends in plant wearable sensors**
植物可穿戴传感器在病害和胁迫检测、生理变化检测以及传感器设计和材料方面取得进展。
**4.1.1. PWS for disease and stress detection**
基于电子学的可穿戴传感器如叉指电极（IDEs）用于监测病原体存在；也用于监测叶片温度和湿度等生理参数，检测VOCs达sub-ppm水平；多模态传感结合生化、生物物理和微环境参数；聚合物复合材料传感器用于直接原位监测挥发性化合物。
**4.1.2. PWS for physiological changes detection**
植物可穿戴传感器用于监测蒸腾作用和蒸汽压亏缺（VPD），以改善数字农业和水资源利用；监测叶片温度、生物电位和相对含水量，增强施肥、灌溉和害虫管理策略。
**4.1.3. Advancements in sensor design and sensor material**
轻量、透气适形设计如kirigami基底（聚酰亚胺、聚二甲基硅氧烷（PDMS）、聚对苯二甲酸乙二醇酯（PET））被探索；添加十二烷基硫酸钠粉末促进PDMS孔隙形成；复合材料如碳纳米管（CNTs）、石墨烯、聚合物、金属、MXenes和生物聚合物增强性能；可生物降解材料如甘油、玉米淀粉和聚乙烯醇用于VOC检测。传统MOX电子鼻系统功耗高，限制了开放现场部署，而植物可穿戴设备在传感性能上更优，但两者仍易受环境干扰。
**4.2. Technological gaps and challenges**
植物可穿戴传感器面临传感器可靠性、灵敏度和选择性，以及材料和设计约束等挑战。
**4.2.1. Sensor reliability, sensitivity, and selectivity**
环境因素如湿度和温度影响传感器可靠性，导致基线漂移和电阻变化。例如，甲醇传感器在湿度影响下稳定性下降；rGO传感器对湿度和温度有轻微干扰，但可通过校准和归一化相对电阻变化（ΔR/R0）管理。温度升高增加灵敏度，湿度减弱灵敏度，需要改进材料和传感器架构。
**4.2.2. Material and design constraints**
导电聚合物与纳米颗粒结合可提高选择性，纳米颗粒增强灵敏度。形态工程和优化膜厚度是挑战，因为膜厚度影响机械、电学和热学性能。传感器不应阻碍作物生理过程如水分、二氧化碳和氧气交换。不同材料和设计有各自的权衡，需要全面评估。
**5. Plant wearable VOC-sensing roadmap**
提出四阶段跨学科路线图，如图9所示。
阶段1为生物胁迫-VOC关联阶段，识别特定胁迫触发的VOCs，量化生物排放速率阈值，依赖GC–MS建立最小可检测通量（MDF）以确定传感器灵敏度目标。
阶段2为材料-传感工程阶段，将已验证的VOC谱转化为敏感和选择性传感材料，如碳纳米管、石墨烯、导电聚合物、MXenes等，利用密度泛函理论（DFT）模拟和元启发式算法优化，功能化策略针对极性/非极性VOCs最小化交叉灵敏度。
阶段3为计算智能和边缘验证阶段，将原始电阻/电容变化（ΔR/R0）转换为数字智能，通过轻量神经网络（NN）或RF分类器在微控制器上实现边缘AI（Edge-AI），集成可解释人工智能（XAI）框架如SHAP和LIME，提供透明排名和局部解释，验证模型是否映射胁迫特异性VOC指纹。
阶段4为系统级开发和闭环反馈阶段，构建无线连接（如LoRaWAN），进行开放现场试验，评估长期性能和可扩展性，量化物理可靠性如平均故障时间（MTTF）。路线图整合了植物科学、分析化学、材料科学、纳米技术、电子学、通信网络、传感工程和人工智能，形成网络物理植物系统（CPPS），与工业4.0（IR 4.0）和工业5.0（IR 5.0）对齐，支持农业5.0。具体应用案例包括优化PEDOT:PSS/MXene复合材料检测番茄中致病疫霉菌的标志物（E）-2-己烯醛，检测限达10 ppb；以及利用Pd功能化碳纳米管阵列在玉米中区分乙烯波动和干旱诱导信号。整个路线图旨在实现实时生物信息系统（BIS）。
**6. Conclusion and recommendation**
植物可穿戴传感器实现了从人工检查到早期胁迫检测的转变，提供灵活、实时、非侵入性监测。综述了常规方法和植物可穿戴在VOC传感中的优缺点：植物可穿戴适用于原位连续监测，电子鼻适用于快速区分VOC模式，GC–MS用于化学剖析。人工智能在传感器数据处理和材料设计中仍未被充分探索。主要障碍包括环境因素如湿度和极端温度。路线图识别了研究差距，强调低功耗边缘计算框架和AI驱动材料优化与可穿戴硬件的协同作用对农业5.0至关重要。未来需关注传感器性能与可持续性指标的交叉，如基底可生物降解性，以及农民采纳障碍如数据可解释性和成本效益比。
