Проектирование и прогнозное моделирование датчика обнаружения ветеринарных препаратов в воде рисовых полей на основе искусственных нейронных сетей

Почему чистые рисовые поля важны

Рисовые чеки служат не только для производства пищи для миллиардов людей — они также аккумулируют то, что смывается с соседних ферм и предприятий. Одними из самых тревожных «пассажиров» являются ветеринарные препараты, применяемые для поддержания здоровья скота и выращиваемой рыбы. Эти лекарства могут смываться в оросительные каналы и накапливаться в воде чеки, где они способны повредить экосистемы и способствовать развитию антибиотикорезистентности. В данном обзоре описывается новый полевой датчик, который может быстро измерять несколько распространённых ветеринарных препаратов прямо в воде чеки, чтобы сделать такое загрязнение видимым в реальном времени, а не через часы или дни в удалённой лаборатории.

Скрытые лекарства в фермерских водах

Современное животноводство широко использует антибиотики и другие ветеринарные препараты. Животные не полностью разлагают эти соединения, поэтому остатки в навозе, моче и неиспользованных кормах легко попадают в реки, пруды и оросительные системы. Аквакультура увеличивает нагрузку, когда медикаментозная вода сбрасывается без надлежащей очистки. Фармацевтические предприятия, производящие эти препараты, также могут допускать утечки, если их сточные воды не обрабатываются тщательно. Попав в окружающую среду, эти химикаты переносятся в рисовые чеки, где они могут ухудшать здоровье почв, нарушать микробные сообщества, способствовать эволюции устойчивых патогенов и в конечном счёте проникать по пищевой цепи к человеку через рис и другие культуры.

От громоздких лабораторных тестов к инструменту у пруда

Традиционные методы обнаружения ветеринарных препаратов — такие как хроматография и масс-спектрометрия — очень точны, но медленны, дороги и привязаны к специализированным лабораториям. Они требуют тщательной подготовки образцов и часто занимают десятки минут на один образец, что делает их непрактичными для регулярного полевого мониторинга. Авторы работы обратились к тому, как вода реагирует на электрическое поле. Когда ветеринарные препараты растворяются в воде, они тонко изменяют ориентацию и движение молекул и ионов в приложенном электрическом поле, меняя электрические свойства, которые можно регистрировать чувствительными электродами. Это открывает путь к компактному устройству, которое может стоять в рисовой чеки и тестировать воду на месте с минимальной обработкой.

Умный столб в чеки

Исследователи разработали солнечно-питаемый датчик, похожий на тонкий столб, установленный в затопленном участке рисового поля. Возле уровня воды защитный фильтр удерживает небольшой «гребень» из металлических пластин — межцифровые электроды. Они действуют и как передатчик, и как приёмник слабых электрических сигналов, проходящих через окружающую воду. Микроконтроллер генерирует чистые синусоиды в диапазоне от 200 герц до 100 мегагерц, посылает их через электроды и фиксирует, насколько сильно сигналы ослабевают и насколько смещается их фаза при прохождении через воду. Электроника также управляет питанием, измерением температуры, отображением и беспроводной передачей данных на базовую станцию с помощью энергоэффективного радио и сетей 4G, при этом устройство может работать неделю и более на перезаряжаемой батарее и солнечной панели.

Обучение датчика распознавать сложные сигналы

Поскольку разные препараты по-разному влияют на электрические характеристики воды, устройство регистрирует богатые «отпечатки» по сотням частот. Каждый тест образца воды даёт 507 точек данных, описывающих изменение амплитуды и фазы сигнала. Вместо того чтобы напрямую подавать всё это в модель, команда сначала использует статистический метод отбора — competitive adaptive reweighted sampling — чтобы отбросить избыточные или неинформативные частоты и оставить только наиболее показательныe. Затем они обучают искусственную нейронную сеть — программную модель, вдохновлённую работой мозга — связывать эти шаблоны с реальными концентрациями четырёх целевых препаратов: сульфаметазин, доксициклин гидрохлорид, офлоксацин и тетрациклин гидрохлорид. Модель принимает множество сигналов одновременно и выдаёт четыре оценки концентраций за один шаг, при этом учитывает температуру воды, переключаясь или интерполируя между моделями, обученными на десяти температурах, актуальных для роста риса.

Что показали полевые испытания

Работая с почти 9000 образцов с одиночными и смешанными препаратами, реальных и подготовленных, исследователи показали, что датчик может различать и количественно определять все четыре препарата в практических диапазонах концентраций. Они обнаружили, что изменение фазы сигнала несёт более надёжную информацию, чем изменение амплитуды, обеспечивая наилучший баланс точности и робастности. Для большинства препаратов и температур модели на основе фазы объясняли около 80–более 90 процентов вариации концентраций, с погрешностями предсказания в пределах нескольких десятков миллиграммов на литр. Некоторые соединения, особенно сульфаметазин, было труднее измерять точно, поскольку их молекулярная структура вызывала более слабые электрические изменения на тестируемых уровнях, но в целом характеристики были достаточно хороши для полевого скрининга и мониторинга тенденций. Полный цикл измерения — включая сканирование сигналов, обработку и прогноз модели — занимал всего 4–6 минут, что заметно быстрее обычных лабораторных методов.

От рисовых участков к более умному земледелию

Для неспециалистов основной вывод состоит в том, что эта работа превращает невидимую угрозу в числовую величину, которую можно проверять прямо в поле. Сочетая продуманную форму электродов, энергоэффективную электронику, беспроводную связь и обученную нейронную сеть, исследователи создали портативный, неразрушающий датчик, способный почти непрерывно отслеживать уровни ветеринарных препаратов в воде чеки. Хотя система требует доработки — особенно для очень низких концентраций, мутной грунтовой воды и суровых уличных условий — она уже указывает на будущее, где фермеры и регуляторы смогут отслеживать остатки препаратов в реальном времени, быстро реагировать на происшествия загрязнения и лучше защищать экосистемы и продовольственную безопасность без единственной опоры на медленные централизованные лаборатории.

Цитирование: 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

Ключевые слова: остатки ветеринарных препаратов, вода рисовых полей, диэлектрический датчик, искусственная нейронная сеть, мониторинг качества воды