柔性传感之智慧渔业

★ 欢迎引用:

Huang, W., Xia, J., Glamuzina, B., & Zhang, X. (2024). Review of flexible multimode sensing techniques and their decoupling principles for smart fisheries. Computers and Electronics in Agriculture, 219, 108758.

★  研究背景

柔性传感器具有良好的生物相容性和可拉伸性，在人类和动物健康评估中得到了广泛的应用。但复杂应用场景下的渔业健康评估尚未进行基于柔性多模传感系统的综述。尤其是面对渔业环境的多样性和挑战性，对于如何整合和优化柔性传感技术以满足渔业健康监测的特殊需求，仍存在着深远而具有前瞻性的研究空间。因此，深入剖析柔性多模传感系统在渔业健康评估中的创新应用，有望为该领域的科学研究和实际应用带来新的突破与启示。因此，本综述的目的和重点是利用柔性多模态传感系统来精确检测或监测水生环境中的参数响应。中国农业大学张小栓教授团队深入分析了柔性多模传感系统在渔业中的应用。创新点分为以下两个方面。1）多模态传感系统的灵活应用：创新性地聚焦于柔性传感器在水生环境中的多模态应用，通过分析水生动物在不同情况下的健康状况，实现对水生环境参数的准确监测。2）多尺度时空演化过程的动态模型：深入研究了水生物特征衰减的多尺度时空演化过程，为准确识别水生动物生命状态提供了多尺度动态模型。这一创新点使得评估更具全面性和长时程性，对水生动物的健康状态有更深刻的理解。

★  文章解析

通过对已有工作的分析，对这两个重要领域的进一步整合和协同优化进行全面分析和深入探讨。它还旨在帮助研究人员和利益相关者更好地掌握柔性传感技术在整个渔业生命周期中的关键作用。本文的主要贡献概述如下。首先，综合分析各种应用场景下水生动物健康状况的参数(图1a)。接下来，深入研究了柔性多模态传感的参数检测机制，并深入分析了柔性多模态传感系统内部的解耦原理(图1b)。最后，本文详细介绍了基于多尺度参数输入的信息融合和决策过程建模(图1c)。

图1：应用图

水生动物的生理参数包括呼吸频率、呼吸角振幅和异常行为等可观察的标志。在强烈的压力下，动物表现出明显的行为变化，如跳跃、摆动尾巴和翻转，随后呼吸频率增加。传统的测量方法依赖于人工观测，不适合广泛应用。而柔性传感技术由于具有良好的生物相容性，可以附着在水生动物的表面。这可以快速检测异常行为，提供更准确的生理状态评估（图2）。

图2：参数图

用于环境和生理指标监测的柔性传感器的工作机制(图3a)通常包括电(电阻、电容和压电)、光学和电磁机制[39]，这些机制也适用于水生动物。获得对外部刺激的高分辨率和高灵敏度反应需要细致的材料(图3b)和结构(图3c)设计。近年来，用于水生动物健康检测的柔性传感系统已经从简单的物理参数发展到更复杂的环境和生理参数(图3d)。

图 3：传感机制

当多个目标输入信号同时存在时，交叉灵敏度的存在对测量的精度和可靠性提出了挑战。为了解决这一问题，多功能材料的选择和传感器结构的设计成为制作具有不同传感机制的多模态传感器的关键因素。

以材料为导向的视角可以通过由创新功能材料组成的单个传感单元实现多模态解耦。选择性信号是通过调节材料的浓度阈值、形态结构和响应机制来完成的。此外，结合这些特征和对输出曲线本身特征的探索进一步增强了该方法。例如，在图4a中，描述了一个互锁的准半球形微图案电子皮肤，利用单壁碳纳米管和热塑性聚氨酯。这种结构表现出对压力变化的迅速反应和对温度变化的更渐进的反应。这种行为的差异使得基于快速电阻变化的压力测定成为可能，而曲线拐点后的额外电阻变化则提供了对温度变化的洞察。另一个值得注意的例子是将PEDOT: PSS浸入多孔聚氨酯微观结构中，创建用于温度和压力检测的双模传感器(图4b)。I-V输出曲线相对于截距的斜率产生两个不同的输出，有效地将两个输入信号解耦。在解决多输入参数串扰的挑战时，材料响应机制的精心设计被证明是有效的。例如，利用具有热流特性的K3[Fe(CN)6]/K4[Fe(CN)6]溶液进行温度传感。通过将这些溶液与两个导电板结合，可以测量压力下反向电润湿产生的力(图4c)。热流特性使电压能够随温度变化而直接变化，而压力传感依靠交变脉冲电压诱导液滴形状变化和反向电润湿，从而通过直接和脉冲电压读数同时测量温度和压力。

一种常见的结构策略将各种传感单元或电极模式集成到使用平铺或层压的平台中。现有文献主要分为两大类:一类是单纯分析不同刺激下的传感器性能参数，缺乏对这些参数之间的耦合和串扰的探讨。另一种方法是使用具有不同响应的敏感材料和精心设计的传感机制，有效地分离双模物理参数，并在传感单元的布局中进行逻辑组织。由聚(乙烯二氧噻吩)-聚(苯乙烯磺酸盐)和纳米银复合材料构成的温度传感器在热电偶中产生热电电压，而微型金字塔压力传感器由于压力引起的接触面积变化而产生电阻变化(图4d)。值得注意的是，即使温度和压力同时应用于传感平台，不同的传感机制也能有效地消除串扰。一个类似的例子涉及使用热电材料作为感温电极，使用压电材料进行压力传感，有效地将两种模式解耦(图4f)。热电层和压电层保持相互独立。此外，除了利用不同材料的不同传感机制和响应参数外，同样的材料也可以塑造成不同的结构来减轻串扰。如图4e所示的三模态柔性传感器，将多像素和蛇形互连结构作为电极层打印到PET和PI薄膜上。这种方法通过集成完全印刷的异质传感单元，最大限度地减少了串扰，同时保持了紧凑的配置。

由于材料的进步和结构的合并，完全减轻不同模态之间的交叉敏感性被证明是具有挑战性的，因此解耦的必要性仍然存在。这是通过电信号校准实现的。例如，考虑在上部ITO电极和下部涂有Au的PDMS微锥电极之间放置壳聚糖基介电层的设置。在这种结构中，微锥上的压力引起的变形改变了界面接触面积，导致线性电容反应。同时，温度的升高增加了自由离子的数量和迁移率，导致电容线性增加。使用线性插值，可以推导出Cf1和cf2的所有潜在组合——对应于不同的压力和温度。因此，通过三维数据面可以确定施加的温度和压力。电容式传感器中的热阻可拉伸电极允许温度和应变的解耦。通过将导电NaCl溶液掺入水凝胶中，可拉伸电极可以检测压力引起的电容间隙应变变化，以及温度引起的离子电阻变化(图4h)。值得注意的是，温度变化不会影响电容测量，从而可以对应变进行初步评估。水凝胶的离子电阻随着离子液体和电子导体温度的升高而减小，而由于应变引起的电极膨胀而增大。由电容读数确定的应变可以代入电阻校准曲线，以推导应用环境中的温度变化。

图 4：解耦策略

用于检测水生动物健康问题的建模方法多种多样，包括传统的机器学习算法(ML)和更先进的深度学习算法(DL)。传统的机器学习包括多层感知机和支持向量机等经典技术。另一方面，深度学习涉及一系列神经网络算法，如人工神经网络、卷积神经网络和递归神经网络。研究者根据具体的场景特征选择最合适的智能算法。通常，训练集和测试集之间的比例为8:2，并使用R2、EMSE和MAP值等评估指标来评估模型的性能(图5a)。

在水生动物健康检测中，建模算法主要用于分析微环境参数数据(图5b)，因为生化指标可以直接了解动物的健康状况。例如，在干燥运输场景中，GA-ARMA算法采集温度、湿度和气体浓度数据，间接反映活鱼的健康状况，改善运输管理。人工神经网络算法持续监测鱼塘水的溶解氧水平、pH值和水温等参数，预测未来的环境条件。一种改进的随机森林算法处理来自多个传感器的数据，有效地分析鱼类的化学和物理特性。此外，可以通过CNN-SVM算法建立基于环境和应力指标的应力水平评估模型。该模型有助于预测鲑鱼关键指标的趋势，促进鲑鱼健康状况的准确诊断。重要的是，研究人员已经超越了单一模型方法，转而选择组合多种深度学习算法。这种融合不仅提高了预测的精度和准确性，而且提供了更有价值的信息。

图 5：应用分类

★  结论与展望

柔性多模传感系统擅长从水生环境中收集各种信息，通过互联网促进人类与观察者互动的数据连接。将传感与深度学习相结合有望扩大其应用范围。尽管实验室取得了进步，但研究主要是实验性的，向现实世界的应用过渡至关重要。水产健康监测的未来发展可能会优先考虑技术创新和系统集成，解决复杂条件下的可靠性问题。有效处理大量传感器数据包括最小化串扰和采用更智能的算法。这些传感器的发展旨在为监测水生动物健康提供整体解决方案。

柔性传感之智慧渔业

★ 欢迎引用:

Huang, W., Xia, J., Glamuzina, B., & Zhang, X. (2024). Review of flexible multimode sensing techniques and their decoupling principles for smart fisheries. Computers and Electronics in Agriculture, 219, 108758.

★  研究背景

柔性传感器具有良好的生物相容性和可拉伸性，在人类和动物健康评估中得到了广泛的应用。但复杂应用场景下的渔业健康评估尚未进行基于柔性多模传感系统的综述。尤其是面对渔业环境的多样性和挑战性，对于如何整合和优化柔性传感技术以满足渔业健康监测的特殊需求，仍存在着深远而具有前瞻性的研究空间。因此，深入剖析柔性多模传感系统在渔业健康评估中的创新应用，有望为该领域的科学研究和实际应用带来新的突破与启示。因此，本综述的目的和重点是利用柔性多模态传感系统来精确检测或监测水生环境中的参数响应。中国农业大学张小栓教授团队深入分析了柔性多模传感系统在渔业中的应用。创新点分为以下两个方面。1）多模态传感系统的灵活应用：创新性地聚焦于柔性传感器在水生环境中的多模态应用，通过分析水生动物在不同情况下的健康状况，实现对水生环境参数的准确监测。2）多尺度时空演化过程的动态模型：深入研究了水生物特征衰减的多尺度时空演化过程，为准确识别水生动物生命状态提供了多尺度动态模型。这一创新点使得评估更具全面性和长时程性，对水生动物的健康状态有更深刻的理解。

★  文章解析

通过对已有工作的分析，对这两个重要领域的进一步整合和协同优化进行全面分析和深入探讨。它还旨在帮助研究人员和利益相关者更好地掌握柔性传感技术在整个渔业生命周期中的关键作用。本文的主要贡献概述如下。首先，综合分析各种应用场景下水生动物健康状况的参数(图1a)。接下来，深入研究了柔性多模态传感的参数检测机制，并深入分析了柔性多模态传感系统内部的解耦原理(图1b)。最后，本文详细介绍了基于多尺度参数输入的信息融合和决策过程建模(图1c)。

图1：应用图

水生动物的生理参数包括呼吸频率、呼吸角振幅和异常行为等可观察的标志。在强烈的压力下，动物表现出明显的行为变化，如跳跃、摆动尾巴和翻转，随后呼吸频率增加。传统的测量方法依赖于人工观测，不适合广泛应用。而柔性传感技术由于具有良好的生物相容性，可以附着在水生动物的表面。这可以快速检测异常行为，提供更准确的生理状态评估（图2）。

图2：参数图

用于环境和生理指标监测的柔性传感器的工作机制(图3a)通常包括电(电阻、电容和压电)、光学和电磁机制[39]，这些机制也适用于水生动物。获得对外部刺激的高分辨率和高灵敏度反应需要细致的材料(图3b)和结构(图3c)设计。近年来，用于水生动物健康检测的柔性传感系统已经从简单的物理参数发展到更复杂的环境和生理参数(图3d)。

图 3：传感机制

当多个目标输入信号同时存在时，交叉灵敏度的存在对测量的精度和可靠性提出了挑战。为了解决这一问题，多功能材料的选择和传感器结构的设计成为制作具有不同传感机制的多模态传感器的关键因素。

以材料为导向的视角可以通过由创新功能材料组成的单个传感单元实现多模态解耦。选择性信号是通过调节材料的浓度阈值、形态结构和响应机制来完成的。此外，结合这些特征和对输出曲线本身特征的探索进一步增强了该方法。例如，在图4a中，描述了一个互锁的准半球形微图案电子皮肤，利用单壁碳纳米管和热塑性聚氨酯。这种结构表现出对压力变化的迅速反应和对温度变化的更渐进的反应。这种行为的差异使得基于快速电阻变化的压力测定成为可能，而曲线拐点后的额外电阻变化则提供了对温度变化的洞察。另一个值得注意的例子是将PEDOT: PSS浸入多孔聚氨酯微观结构中，创建用于温度和压力检测的双模传感器(图4b)。I-V输出曲线相对于截距的斜率产生两个不同的输出，有效地将两个输入信号解耦。在解决多输入参数串扰的挑战时，材料响应机制的精心设计被证明是有效的。例如，利用具有热流特性的K3[Fe(CN)6]/K4[Fe(CN)6]溶液进行温度传感。通过将这些溶液与两个导电板结合，可以测量压力下反向电润湿产生的力(图4c)。热流特性使电压能够随温度变化而直接变化，而压力传感依靠交变脉冲电压诱导液滴形状变化和反向电润湿，从而通过直接和脉冲电压读数同时测量温度和压力。

一种常见的结构策略将各种传感单元或电极模式集成到使用平铺或层压的平台中。现有文献主要分为两大类:一类是单纯分析不同刺激下的传感器性能参数，缺乏对这些参数之间的耦合和串扰的探讨。另一种方法是使用具有不同响应的敏感材料和精心设计的传感机制，有效地分离双模物理参数，并在传感单元的布局中进行逻辑组织。由聚(乙烯二氧噻吩)-聚(苯乙烯磺酸盐)和纳米银复合材料构成的温度传感器在热电偶中产生热电电压，而微型金字塔压力传感器由于压力引起的接触面积变化而产生电阻变化(图4d)。值得注意的是，即使温度和压力同时应用于传感平台，不同的传感机制也能有效地消除串扰。一个类似的例子涉及使用热电材料作为感温电极，使用压电材料进行压力传感，有效地将两种模式解耦(图4f)。热电层和压电层保持相互独立。此外，除了利用不同材料的不同传感机制和响应参数外，同样的材料也可以塑造成不同的结构来减轻串扰。如图4e所示的三模态柔性传感器，将多像素和蛇形互连结构作为电极层打印到PET和PI薄膜上。这种方法通过集成完全印刷的异质传感单元，最大限度地减少了串扰，同时保持了紧凑的配置。

由于材料的进步和结构的合并，完全减轻不同模态之间的交叉敏感性被证明是具有挑战性的，因此解耦的必要性仍然存在。这是通过电信号校准实现的。例如，考虑在上部ITO电极和下部涂有Au的PDMS微锥电极之间放置壳聚糖基介电层的设置。在这种结构中，微锥上的压力引起的变形改变了界面接触面积，导致线性电容反应。同时，温度的升高增加了自由离子的数量和迁移率，导致电容线性增加。使用线性插值，可以推导出Cf1和cf2的所有潜在组合——对应于不同的压力和温度。因此，通过三维数据面可以确定施加的温度和压力。电容式传感器中的热阻可拉伸电极允许温度和应变的解耦。通过将导电NaCl溶液掺入水凝胶中，可拉伸电极可以检测压力引起的电容间隙应变变化，以及温度引起的离子电阻变化(图4h)。值得注意的是，温度变化不会影响电容测量，从而可以对应变进行初步评估。水凝胶的离子电阻随着离子液体和电子导体温度的升高而减小，而由于应变引起的电极膨胀而增大。由电容读数确定的应变可以代入电阻校准曲线，以推导应用环境中的温度变化。

图 4：解耦策略

用于检测水生动物健康问题的建模方法多种多样，包括传统的机器学习算法(ML)和更先进的深度学习算法(DL)。传统的机器学习包括多层感知机和支持向量机等经典技术。另一方面，深度学习涉及一系列神经网络算法，如人工神经网络、卷积神经网络和递归神经网络。研究者根据具体的场景特征选择最合适的智能算法。通常，训练集和测试集之间的比例为8:2，并使用R2、EMSE和MAP值等评估指标来评估模型的性能(图5a)。

在水生动物健康检测中，建模算法主要用于分析微环境参数数据(图5b)，因为生化指标可以直接了解动物的健康状况。例如，在干燥运输场景中，GA-ARMA算法采集温度、湿度和气体浓度数据，间接反映活鱼的健康状况，改善运输管理。人工神经网络算法持续监测鱼塘水的溶解氧水平、pH值和水温等参数，预测未来的环境条件。一种改进的随机森林算法处理来自多个传感器的数据，有效地分析鱼类的化学和物理特性。此外，可以通过CNN-SVM算法建立基于环境和应力指标的应力水平评估模型。该模型有助于预测鲑鱼关键指标的趋势，促进鲑鱼健康状况的准确诊断。重要的是，研究人员已经超越了单一模型方法，转而选择组合多种深度学习算法。这种融合不仅提高了预测的精度和准确性，而且提供了更有价值的信息。

图 5：应用分类

★  结论与展望

柔性多模传感系统擅长从水生环境中收集各种信息，通过互联网促进人类与观察者互动的数据连接。将传感与深度学习相结合有望扩大其应用范围。尽管实验室取得了进步，但研究主要是实验性的，向现实世界的应用过渡至关重要。水产健康监测的未来发展可能会优先考虑技术创新和系统集成，解决复杂条件下的可靠性问题。有效处理大量传感器数据包括最小化串扰和采用更智能的算法。这些传感器的发展旨在为监测水生动物健康提供整体解决方案。