基于人工神经网络的稻田水体兽用药检测传感器的设计与预测建模

为何更清洁的稻田重要

水稻田不仅为数十亿人提供主食——它们还会汇集来自周边农场和工厂的径流。其中最令人担忧的随行物之一是用于维持牲畜和养殖鱼类健康的兽用药物。这些药物可被冲入灌溉渠并滞留在稻田水体中，可能损害生态系统并促进抗生素耐药性的产生。本文总结的研究描述了一种新的现场传感器，能够快速测量稻田水中几种常见兽用药，旨在将此类污染实时呈现，而不是等到数小时或数天后送往远处的实验室检测。

农田水体中的隐形药物

现代畜牧业大量依赖抗生素和其他兽药。动物无法完全分解这些化合物，因此粪便、尿液和剩余饲料中的残留物容易进入河流、池塘和灌溉系统。水产养殖在未经过适当处理就排放用药水时也会增加负荷。生产这些药物的制药厂若未妥善处理废水，也可能泄漏残留物。一旦进入环境，这些化学物质可能被带入稻田，降低土壤健康、扰乱微生物群落、促使病原体进化出耐药性，并最终通过稻米和其他作物进入食物链影响人类。

从笨重的实验室检测到池畔工具

传统兽药检测方法——如色谱和质谱——虽高度精确，但速度慢、成本高且依赖专业实验室。它们需要精细的样品前处理，通常每个样品耗时数十分钟，不适合常规的田间监测。该团队转而利用水对电场的响应。当兽药溶解在水中时，会微妙改变水分子和离子在施加电场下的排列与运动，从而改变可被敏感电极检测到的电学性质。这为一种小型设备铺平了道路，该设备可置于稻田中，现场对水体进行测试，且几乎无需复杂操作。

稻田中的智能杆

研究人员设计了一种外形如细杆的太阳能供电传感器，固定在淹水的稻田中。靠近水线处，一个保护滤网内装有一小排类似“梳齿”的金属指——即互指电极。这些电极既作为发射器又作为接收器，传递穿过周围水体的微弱电信号。单片机芯片生成从200赫兹到100兆赫的干净正弦波，通过电极发送并记录信号在穿过水体时被削弱的程度以及相位（时间）发生的偏移。电子设备还负责电源管理、温度测量、显示和无线通信，利用低功耗无线和4G网络将读数传回基站，同时通过可充电电池和太阳能板支持长达一周或更久的运行。

教会传感器读取复杂信号

由于不同药物以不同方式影响水的电学行为，设备会在数百个频率上记录丰富的“指纹”。每次对稻田水样的测试产生507个数据点，描述信号强度和时序的变化。团队并未将全部数据直接输入模型，而是先使用一种称为竞争自适应重加权抽样的统计剪枝方法，去除冗余或无信息的频率，只保留最有判别力的频段。随后他们训练了一个受大脑启发的人工神经网络，将这些模式与四种目标药物的实际浓度相联系：磺胺甲噁唑（sulfamethazine）、盐酸多西环素（doxycycline hydrochloride）、氧氟沙星（ofloxacin）和盐酸四环素（tetracycline hydrochloride）。该模型能同时接受多路信号并在一步中输出四种药物的浓度估计，同时通过在与稻米生长相关的十个不同温度下训练模型来考虑水温，必要时在模型间切换或内插。

田间测试揭示了什么

研究人员使用近9,000个单药和混合药样本（真实或配制的稻田水）进行测试，结果表明传感器可以在实用浓度范围内区分并定量这四种药物。他们发现信号时序的变化（相位差）比仅看强度变化提供了更可靠的信息，在准确性和稳健性之间取得了最好平衡。对于大多数药物和温度，基于相位的模型能够捕捉约80%到90%以上的浓度变异，预测误差在几十毫克每升的量级。某些化合物，尤其是磺胺甲噁唑，由于分子结构在测试浓度下引起的电学变化较弱，难以精确测量，但总体性能已足以用于现场筛查和趋势监测。每次完整测量——包括信号扫描、处理和模型预测——仅需4–6分钟，明显快于常见的实验室方法。

从稻田到更智能的农业

对非专业读者而言，核心信息是这项工作将一种看不见的威胁转化为可以在田间直接检测的数值。通过将巧妙设计的电极、低功耗电子设备、无线连接与训练好的神经网络相结合，研究人员开发出一种便携、非破坏性的传感器，能几乎连续监测稻田水中的兽药水平。尽管该系统仍需改进——尤其是在非常低浓度、泥沙含量高的水体和恶劣户外条件下——但它已指向一个未来：农民和监管者可以实时追踪药物残留、快速应对污染事件，并在不完全依赖缓慢的集中式实验室检测的情况下，更好地保护生态系统和食品安全。

引用: 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

关键词: 兽用药物残留, 稻田水, 介电传感器, 人工神经网络, 水质监测