Science Advances｜可穿戴式植物生理性状监测系统

2023年4月，北卡罗来纳州立大学GIWON LEE等人在Science Advances发表了题为Abaxial leaf surface-mounted multimodal wearable sensor for continuous plant physiology monitoring的文章，报道了一种附在叶片上的可穿戴式多模态传感器，通过检测生化和生理信号来实时监测植物的健康状态，并开发了机器学习模型用于植物的早期疾病检测。

doi : 10.1126/sciadv.ade2232

01

监测植物健康的传感器技术

.

光谱成像(imaging and spectroscopic)

生物纳米传感器(bionanosensors)

移动智能设备(smartphone-based devices)

遥感(remote sensing)

电生理传感(electrophysiological sensing)

02

植物状态与光合作用、蒸腾作用、呼吸作用和气体交换等多种因素有关，为准确监测植物健康状况，该研究设计了一个由七个传感器组成的设备，包括四个电阻式VOC(挥发性有机化合物)传感器、一个电容式叶表面湿度传感器、一个电阻式叶片温度传感器和一个电容式环境湿度传感器。

03

为验证该设备对植物的适用性，将其安装在非生物胁迫的番茄活体植株上(测试机械损失的响应)。结果显示VOC传感器比其它传感器能捕获到更明显和更即时的响应信号，表明生化传感器在检测急性植物组织损伤方面比生物或物理传感器更灵敏。

04

该研究还在活体番茄TSWV(病毒病原体)和早疫病的响应上测试了设备，结果表明监测蒸腾速比监测挥发性有机化合物信号更能有效判断植物是否感病，这也许是因为植物叶片气孔因病原体入侵而关闭。

05

为定量评估设备检测早期病原体入侵植物的程度，该研究使用基于主成分分析(PCA)的无监督机器学习方法来分析实时传感器数据。结果表明生化VOC传感器精确度最高，叶表湿度传感器的效率较好。

此文章展示了一种用于叶片的多模态可穿戴传感器贴片，检测植物的生化和生理参数用于实时监测植物健康状态；还开发了机器学习分析框架，以定量评估设备对于植物早期病原体检测能力，并筛选出不同监测任务的最佳组合。

doi :10.1126/sciadv.ade2232

相关知识

可穿戴的生理监测系统设计
可穿戴式健康监测系统研究与展望
穿戴式多生理参数健康监测系统的研制
智慧健康丨可穿戴健康监测系统：实时监测，守护健康
综述：用于生理状况和活动监测的可穿戴传感器
基于多通道肌电的可穿戴脊柱健康监测设备与系统
智能科技引领：可穿戴设备在健康监测领域的创新与发展之路
可穿戴健康监测设备.docx
可穿戴医疗健康监护现状与展望
智能穿戴设备中人体运动能耗监测系统的设计和分析.doc

网址: Science Advances｜可穿戴式植物生理性状监测系统 https://www.trfsz.com/newsview143436.html