Entwurf und prädiktive Modellierung eines Sensors zur Detektion von Tierarzneimitteln im Bewässerungswasser von Reisanbaufeldern auf Basis künstlicher neuronaler Netze

Warum sauberere Reisfelder wichtig sind

Reisfelder liefern nicht nur ein Grundnahrungsmittel für Milliarden von Menschen – sie sammeln auch das, was von benachbarten Höfen und Fabriken in die Umgebung gelangt. Zu den besorgniserregendsten „Mitreisenden“ gehören Tierarzneimittel, die zur Gesunderhaltung von Vieh und Zuchtfisch eingesetzt werden. Diese Medikamente können in Bewässerungsgräben gelangen und sich im Paddywasser anreichern, wo sie Ökosysteme schädigen und zur Entwicklung von Antibiotikaresistenzen beitragen können. Die hier zusammengefasste Studie beschreibt einen neuen Feldsensor, der mehrere häufige Tierarzneimittel direkt im Paddywasser schnell messen kann, mit dem Ziel, solche Verschmutzungen in Echtzeit sichtbar zu machen statt Stunden oder Tage später in einem entfernten Labor.

Versteckte Medikamente in landwirtschaftlichen Gewässern

Die moderne Tierhaltung ist stark auf Antibiotika und andere Tierarzneimittel angewiesen. Tiere bauen diese Verbindungen nicht vollständig ab, sodass Rückstände in Gülle, Urin und nicht verfüttertem Futter leicht in Flüsse, Teiche und Bewässerungssysteme gelangen können. Die Aquakultur erhöht die Belastung, wenn medikamentös behandelte Gewässer ungeklärt abgeleitet werden. Pharmabetriebe, die diese Wirkstoffe herstellen, können ebenfalls Rückstände abgeben, wenn ihr Abwasser nicht sorgfältig behandelt wird. Einmal in der Umwelt, können diese Chemikalien in Reisfelder getragen werden, wo sie die Bodenqualität beeinträchtigen, mikrobielle Gemeinschaften stören, die Entwicklung von Resistenzen bei Krankheitserregern fördern und letztlich über Reis und andere Feldfrüchte in die Nahrungskette gelangen können.

Von sperrigen Labortests zu einem Teichrandwerkzeug

Konventionelle Nachweismethoden für Tierarzneimittel – etwa Chromatographie und Massenspektrometrie – sind hochpräzise, aber langsam, teuer und an spezialisierte Labore gebunden. Sie erfordern aufwändige Probenvorbereitung und dauern oft mehrere zehn Minuten pro Probe, was sie für routinemäßige Kontrollen auf dem Hof unpraktisch macht. Das Team hinter dieser Arbeit wandte sich stattdessen der Frage zu, wie Wasser auf elektrische Felder reagiert. Wenn Tierarzneimittel im Wasser gelöst sind, verändern sie subtil, wie sich Moleküle und Ionen in einem angelegten elektrischen Feld ausrichten und bewegen, und damit elektrische Eigenschaften, die von empfindlichen Elektroden erfasst werden können. Das ermöglicht ein kompaktes Gerät, das im Reisfeld platziert wird und Wasser vor Ort mit minimaler Probenbehandlung misst.

Eine smarte Stange im Padddy

Die Forschenden entwarfen einen solarbetriebenen Sensor, der wie eine schlanke Stange aussieht, die in einem überfluteten Reisfeld verankert wird. Etwa auf Wasserniveau hält ein Schutzfilter ein kleines „Kamm“-Array aus Metallfingern – sogenannte interdigitale Elektroden. Diese fungieren sowohl als Sender als auch Empfänger schwacher elektrischer Signale, die durch das umgebende Wasser geschickt werden. Ein Mikrocontroller erzeugt saubere Sinuswellen von 200 Hertz bis 100 Megahertz, leitet sie durch die Elektroden und zeichnet auf, wie stark die Signale abgeschwächt werden und wie sehr sich ihre Phase beim Durchgang durch das Wasser verschiebt. Die Elektronik steuert außerdem Energieverwaltung, Temperaturmessung, Anzeige und drahtlose Verbindungen, die Messwerte per Niedrigenergie-Funk und 4G an eine Basisstation übertragen, und das alles mit dem Ziel, eine Woche oder länger mit Akku und Solarpanel zu laufen.

Dem Sensor beibringen, komplexe Signale zu lesen

Da verschiedene Arzneimittel das elektrische Verhalten des Wassers auf unterschiedliche Weise beeinflussen, zeichnet das Gerät reichhaltige „Fingerabdrücke“ über Hunderte von Frequenzen hinweg auf. Jede Messung einer Paddywasserprobe liefert 507 Datenpunkte, die Änderungen in Signalstärke und -phase beschreiben. Anstatt all dies direkt in ein Modell zu speisen, verwendet das Team zunächst ein statistisches Selektionsverfahren namens competitive adaptive reweighted sampling, um redundante oder wenig aussagekräftige Frequenzen zu verwerfen und nur die informativsten beizubehalten. Anschließend trainieren sie ein künstliches neuronales Netz – ein softwarebasiertes Modell, das vom Gehirn inspiriert ist –, um diese Muster mit den tatsächlichen Konzentrationen von vier Zielwirkstoffen in Beziehung zu setzen: Sulfamethazin, Doxycyclinhydrochlorid, Ofloxacin und Tetracyclin‑hydrochlorid. Das Modell akzeptiert mehrere Signale gleichzeitig und liefert in einem Schritt vier Konzentrationsschätzungen, wobei es auch die Wassertemperatur berücksichtigt, indem es zwischen Modellen für zehn verschiedene, für den Reisanbau relevante Temperaturen wechselt oder interpoliert.

Was die Feldtests zeigten

Mit fast 9.000 Einzel- und Gemischproben aus realem oder präpariertem Paddywasser zeigten die Forschenden, dass der Sensor alle vier Wirkstoffe in praxisrelevanten Konzentrationsbereichen unterscheiden und quantifizieren konnte. Sie stellten fest, dass Änderungen in der Signalphase verlässlichere Informationen lieferten als reine Änderungen der Signalstärke und die beste Balance aus Genauigkeit und Robustheit ergaben. Für die meisten Wirkstoffe und Temperaturen erfassten die phasenbasierten Modelle rund 80 bis über 90 Prozent der Konzentrationsvariation, mit Vorhersagefehlern in der Größenordnung einiger zehn Milligramm pro Liter. Einige Verbindungen, insbesondere Sulfamethazin, ließen sich schwerer präzise messen, weil ihre molekulare Struktur bei den getesteten Konzentrationen schwächere elektrische Effekte erzeugte, doch die Gesamtleistung war ausreichend für Feldscreening und Trendüberwachung. Jede vollständige Messung – einschließlich Frequenzabtastung, Verarbeitung und Modellvorhersage – dauerte nur 4–6 Minuten, deutlich schneller als übliche Labormethoden.

Von Reisfeldern zu intelligenterer Landwirtschaft

Für Nichtfachleute lautet die Kernaussage, dass diese Arbeit eine unsichtbare Gefahr in eine Zahl verwandelt, die direkt vor Ort überprüfbar ist. Durch die Kombination von intelligent gestalteten Elektroden, stromsparender Elektronik, drahtlosen Verbindungen und einem trainierten neuronalen Netz schufen die Forschenden einen tragbaren, nichtinvasiven Sensor, der die Konzentration von Tierarzneimitteln im Paddywasser nahezu kontinuierlich überwachen kann. Zwar bedarf das System noch Verbesserungen – insbesondere für sehr niedrige Konzentrationen, komplexe schlammige Gewässer und raue Außenbedingungen –, es weist jedoch bereits in Richtung einer Zukunft, in der Landwirte und Aufsichtsbehörden Rückstände in Echtzeit verfolgen, schnell auf Verschmutzungsereignisse reagieren und Ökosysteme sowie Lebensmittelsicherheit besser schützen können, ohne allein auf langsame, zentralisierte Labore angewiesen zu sein.

Zitation: Huang, J., Huang, B., Huang, S. et al. Design and predictive modeling of a veterinary drug detection sensor in paddy field water based on artificial neural networks. Sci Rep 16, 8826 (2026). https://doi.org/10.1038/s41598-026-38752-9

Schlüsselwörter: Rückstände von Tierarzneimitteln, Wasser in Reisanbauflächen, Dielektrischer Sensor, künstliches neuronales Netz, Überwachung der Wasserqualität