智能农业传感器：基于应用场景的技术发展与挑战（农业工程学报，2025）

通讯作者：平建峰

DOI：10.11975/j.issn.1002-6819.202505223

0 引言

在全球人口增长加剧、耕地资源短缺、极端气候频繁发生的当下，农业生产正面临着效率提升、资源优化和环境可持续性并重的多维挑战。这一现实需求推动着智慧农业技术的持续革新，其中作为感知层核心组件的农业传感器，正加速向多样化、精准化、智能化方向演进，为现代农业构建起数字化神经末梢系统 [1-2]。在硬件层面，传感器逐渐向微型化、低功耗、多参数集成方向发展，同时成本不断降低，推动了大规模部署的可行性。在应用层面，其覆盖场景已从传统农田扩展至畜牧养殖、水产渔业等多元化领域，并衍生出面向作物生理、动物健康、水域生态等复杂对象的全息感知能力。尤其在人工智能技术的赋能下，传感器网络从单一数据采集向智能分析与自主决策跃迁 [3-5]，催生了病虫害预警、精准灌溉、个性化饲喂等创新应用模式。

然而，智能农业传感器的规模化应用仍面临诸多挑战。例如，复杂农业场景中传感器的环境适应性、长期稳定性与抗干扰能力亟待提升，多源异构数据的高效融合分析问题。此外，能源供应、通信覆盖和数据安全等问题也制约了智能农业传感器技术落地。本文重点围绕智能农业传感器的技术演进、场景化应用及人工智能融合路径展开分析，探讨其当前发展瓶颈并提出未来研究方向，以期为农业数字化与智能化转型提供理论参考与实践启示。

1 智能农业传感器技术进展

在智慧农业快速发展的背景下，农业传感器作为农业信息获取的核心单元，正由传统单一感知器件向集成化、系统化方向演进。当前具备信号调理、数据处理与通信接口等功能模块的系统化装置，构成了智能农业传感器的主要形式，能够在本地实现信号采集、数字化转换与初步分析，并支持与边缘计算节点或云平台的数据交互，具备一定程度的自主感知与判断能力 [6-7]。部分传感器仍需依赖外部终端（如移动设备、边缘服务器或云端模型）完成数据处理与决策功能，尚不具备完整智能特征 [8-9]。近年来，随着农业专用芯片和嵌入式平台的持续发展，传感系统的智能化水平显著提升。依据智能农业传感器系统应用场景纵深化的特征，可分为种植业、畜牧业和渔业智能传感器技术（见图 1）。

图 1 智能农业传感器依据应用场景的分类 Fig.1 Classification method of smart agricultural sensors based on application scenery

2 智慧农业中的传感器应用

农业生产系统的数字化转型正在重塑感知范式，推动技术架构从离散环境监测向环境 - 本体协同感知体系演进。这一演进过程依托两大核心技术体系的构建，其一是广域环境监测体系，通过部署土壤 - 微环境 - 冠层多尺度传感网络，建立农田的数字化模型，以解决传统农业对资源时空分布不均的认知局限；其二是作物本体感知体系，借助可穿戴传感器与植入式传感器的协同作用，实现作物生理代谢过程的原位解析，促使农业管理从依赖外部环境因素（如天气、土壤湿度）转向以作物内部需求（如水分、养分、生长阶段）为核心进行调整。畜牧业领域的感知体系建设正逐步实现从外部环境监控向动物个体精准管理的升级。一方面，基于音频、图像与行为识别的多模态感知网络能够实时采集畜禽的活动、健康状态及行为特征数据；另一方面，可穿戴传感器与植入式传感器的结合，为监测体温、心率、反刍行为等生理参数提供了技术路径，加速畜牧业从群体管理走向个体化智能养殖的转型。渔业方面感知技术的核心发展方向在于构建水 - 鱼协同感知网络，实现对水环境参数（水温、溶氧、pH、氨氮等）与养殖对象行为（游动模式、摄食状态、应激反应等）的同步感知。通过部署水下多传感节点、自主移动监测平台及生物信号识别算法，水产养殖系统正朝着实时连续监测与精准调控方向迈进，推动从经验驱动向数据驱动的管理模式转变。

值得注意的是，在构建环境 - 本体协同感知体系的过程中，柔性电子技术作为一项关键技术，在种植业、畜牧业和渔业领域均扮演着重要角色。该技术为开发贴合生物体表的可穿戴设备及植入式传感器提供了基础支撑。然而，受制于不同生物对象及其生存环境的特殊性，柔性电子技术的应用也面临着差异化的挑战：在植物监测中需克服生长带来的形变与贴合问题；在动物体表生理信号采集时需解决毛发覆盖、运动干扰与舒适性问题；在水产养殖领域则需重点保障设备的水下生物相容性和长期稳定性及耐腐蚀性。这种共通的技术内核与差异化的应用需求，共同驱动着智能农业传感器技术的多元化发展路径。

在此背景下，研究者们正围绕种植业、畜牧业和渔业等核心场景，深入开展感知技术创新与应用研究，以应对各领域面临的独特挑战，推动智能农业传感器系统向纵深发展。以下章节将分别综述精准种植、智慧畜牧与智慧渔业领域的关键传感技术研究进展。

2.1 精准种植

2.1.1 土壤与微气候监测

土壤作为精准种植的核心载体，其理化参数的动态监测对作物生长调控具有决定性作用。关键指标包括：1）土壤湿度，决定水分利用效率与根系发育；2）土壤 pH 值，控制养分有效性与微生物活性；3）养分含量，反映土壤肥力水平与作物营养供给平衡。这些参数的协同监测能够系统解析土壤 - 作物互作机制，为精准农业决策提供科学支撑。

土壤湿度不仅是作物蒸腾作用的水源供给基础，更通过调控土壤孔隙氧含量影响微生物群落结构与有机质分解速率。GOPALAKRISHNAN 等 [10] 制备了完全可降解智能无线传感系统，通过双层 3D 打印聚乳酸基板与激光图案化锌层构建夹层结构。该传感器件在 3.7~23.5% 体积含水量范围内展现 9.07 MHz/% 的线性灵敏度，并借助 40 cm 高度无人机平台实现厘米级空间分辨率的土壤水分遥感监测。值得注意的是，该土壤传感器可在全年监测周期内保持稳定性，监测周期结束后可启动可控降解程序，其环境友好特性为智慧农业发展提供了可持续传感方案。当前该类传感器多采用可降解聚合物与低功耗通信模块集成，尽管契合农业绿色发展理念，但器件稳定性和信号质量仍难以匹敌常规材料，器件制备涉及多层膜沉积与蚀刻工艺，技术成熟度仍处于原型开发阶段。土壤 pH 值超出 5.5~8.0 的作物耐受阈值时，会引发铝毒害、磷固定及固氮菌失活等连锁效应。当前商业玻璃电极作为实验室和工业场景中 pH 检测的传统工具，具有测量范围广、灵敏度高、稳定性好等优势，但仍具有易碎、存储麻烦、难以微型化等缺点。相比之下，金属 / 金属氧化物电极因具备优异的机械性能、稳定性及便于微加工工艺处理等特性，更适用于土壤、栽培基质等非均质体系的在线 pH 监测。基于此，ZHANG 等 [11] 开发了一种采用锑 / 氧化锑（Sb/Sb2O3）作为工作电极的 pH 传感器件。并通过调控金属（Sb）表面积发现，当 Sb 表面积优化至16 mm2时，该传感器具有出色的性能，实现了土壤 pH 值（3~8）的连续监测，且稳定性优异（700 s 内标准偏差小于 2 mV）。在土壤养分监测方面，基于离子选择电极的传感器是一种前景广阔的技术手段，但土壤胶体的吸附作用会导致离子迁移速率降低，造成传感器信号漂移。针对此问题，FAN 等 [12] 在固态离子选择性膜（S-ISM）传感器件表面涂覆了厚度为 0.45 μm 的聚丙烯酰胺水凝胶。此设计不仅能够吸收土壤中的水分，还显著提高了传感器件监测土壤中铵（NH4+）和硝酸盐（NO3−）离子的精度（R2>0.98），结合土壤去噪数据处理算法，可有效过滤干扰信号。经过 14 d 土壤原位监测试验验证，该传感器可用于土壤氮含量的连续监测。综上，土壤监测技术正向多参数协同感知方向发展，为实现精准灌溉决策、变量施肥和土壤健康评估提供科学依据。

微气候传感器通过采集厘米级空间分辨率的温度、湿度、光照等参数，揭示作物生长微环境的时空特征。相较于传统气象监测，微气候传感体系具有 3 个显著优势：感知尺度从公里级缩减至厘米级以精准捕捉植株个体周边环境波动；时间分辨率从小时级提升至分钟级实现光、温、水瞬态变化追踪；监测维度从单一物理量扩展至生理 - 环境耦合参数。其中，温室微气候参数呈现高度耦合性，例如光照强度受覆盖材料透光率和季节变化双重影响，温度通过保温层与供热系统调节，而湿度动态则与作物蒸腾与土壤含水量相关 [13]。为满足温室微气候复杂的调控需求，徐淑彦等 [14] 设计了一套用于蔬菜大棚温室微气候的智能传感系统，包括环境监测、智能调控和数据管理三大功能模块，实现对大棚内温度、湿度、光照和CO2浓度的实时监控与自动调节。该团队设计的蔬菜大棚温室微气候智能控制系统显著提高了作物生长条件的精确控制水平。冠层作为作物与大气环境交互的核心界面，其微气候特征由叶片生理活动与环境因子相互作用共同决定。研究表明，叶片表面温度与气孔导度相关，而湿度变化则反映作物蒸腾作用与大气水势的平衡状态 [15]。这种叶片尺度参数与冠层系统功能的密切关联表明，通过监测叶面微环境参数可以有效表征冠层生理状态 [16]。传统叶面传感器多采用刚性基板，其体积大、贴合性差，严重干扰了作物正常生长。为了解决这一限制，SHAO 等 [17] 开发了一种基于 MXene 材料的导电油墨，通过优化墨水配方实现室温条件下的直接挤出打印，可在柔性基底上形成高分辨率图案，显著提升了传感器件的结构精细度和贴合性能。该团队构建的柔性自供能无线智能传感系统集成了温湿度传感器、近场通信天线和微型超级电容器，能够贴附于叶片表面（见图 2a 和 2b），有效避免了对作物生长的机械干扰。然而，MXene 材料对环境湿度和氧气高度敏感，加之其合成过程依赖高能剥离步骤，整体工艺流程复杂、反应条件苛刻，导致生产成本较高、批次稳定性差，尚难以满足农业场景中低成本、规模化部署的要求。此外，该类柔性器件在田间环境中的长期封装可靠性仍有待系统验证。YIN 等 [18] 进一步提出一种多功能 "纹身式" 传感器件，可直接贴附于作物叶面，无需支架或粘胶，最大程度降低生理干扰。该传感器基于聚合物薄膜，集成温度、含水量及电位信号三类传感模块，并通过微纳结构设计增强其贴附稳定性，在连续 10 d 的玉米原位监测中展现出较好附着性与信号稳定性。但该系统制造依赖高精度微图案化工艺与材料预处理，对工艺窗口和器件一致性要求高，目前主要应用于实验室研究阶段，距大规模商业落地尚存在显著距离。综合来看，此类柔性多参数传感器在精准感知能力方面具备良好发展潜力，但在制造成本、环境稳定性和生产工艺复杂度等方面仍是制约其产业化的关键瓶颈。当前相关研究仍集中于探索与原型验证，未来需通过材料简化、工艺标准化和封装优化等方向推进其可制造性和工程适配性，方可实现从高性能原型向农业实际应用的技术转化。

图 2 智能农业传感器用于作物叶片温湿度监测案例 Fig.2 Case study on monitoring crop leaf temperature and humidity with smart agricultural sensora. 集成三个 MXene 印刷功能模块的无线传感系统示意图 [17]（Schematic diagram of the wireless sensing system integrating three MXene printing functional modules [17]）b. 无线传感系统实物图 [17]（Photo of wireless sensing system [17]）注：柔性印刷电路板（FPCB）、柔性封装（Flexible encapsulation）、柔性基板（Flexible substrate）、湿度敏感层（Humidity sensitive layer）、MXene 印刷图案（MXene printed pattern）、磷酸 / 聚乙烯醇凝胶（H3PO4/PVA gel）

2.1.2 作物生命信息原位感知

作物生命信息的精准解析是现代农业从 "环境调控" 向 "本体驱动" 转型的核心挑战。传统方法依赖表观形态观察或破坏性采样检测，难以实现作物生长全周期生命信息的原位实时感知，更无法揭示作物在应对胁迫时其内部分子的运作机制。作物生命信息原位感知技术通过融合可穿戴与微创植入式传感手段，构建起 "生理 - 生化" 多尺度监测体系，为精准灌溉、抗逆育种和病害防控提供了数据基础 [19-22]。

作物长势参数 (如茎粗日增量、叶面积扩展速率) 的连续监测是评估光合产物分配效率的关键。传统测量方法大多繁琐且具破坏性，例如通过切割、烘干和称重作物组织来评估生长。光学表型技术通过光学成像手段可实现作物的非破坏性检测，但受光路遮挡影响存在检测精度受限问题，难以满足生长期作物的连续监测需求。近年来，柔性传感技术的突破为提高作物长势信息监测精度提供了新思路。TANG 等 [23] 开发的碳纳米管 / 石墨烯复合传感器件通过协同增强效应，提高了传感器件的机械稳定性和可拉伸性，其测量系统成功捕获茄科作物节律性生长特征。JIANG 等 [24] 使用具有高流动性和导电性的镓基液体合金制造出具有 200% 高拉伸性的应变传感器件，可直接印在玫瑰和豆芽的表皮上，以监测水分含量和叶子的长度。然而这些传感器存在应变有限、材料不透明、稳定性和可重复性不足等问题，阻碍了它们在跟踪作物生长中的实际应用。WANG 等 [25] 研发了一种可穿戴应变传感器件，该传感器件具有高拉伸性、超轻且透明，用于远程自主无损监测作物生长。该研究实现了超过 720% 的应变检测范围，并结合无线技术实现远程数据传输，有望促进作物生长监测进入全天候、全生长周期的新阶段。茎流速率作为表征水分利用效率的关键生理指标，其长期连续监测对精准灌溉具有重要意义。现有的茎流监测设备普遍存在能源供给难题，WANG 等 [26] 提出了仿生向日葵式可穿戴智能传感系统，通过收集太阳能实现长期运行的能源自给自足。该系统集成了轻便的可折叠太阳能电池板阵列、柔性电子传感器和其他必要组件，形成一个高度紧凑的系统，质量仅约 40 g，能够被小型作物支撑。该设计使得在作物茎部高效收集太阳能成为可能，并实现了对作物茎流的长期监测，可为作物健康状况、生长动态和水分利用效率等的评估提供数据支持 (见图 3a)。

图 3 可穿戴智能农业传感器监测作物案例 Fig.3 Case study on monitoring crop with wearable smart agricultural sensorsa. 传感探头工作原理示意图 [26]（Schematic illustration depicting the working principle of the sensing probe [26]）b. 植物电生理学监测示意图 [27]（Schematic of the plant electrophysiology measurement [27]）

作物电生理信号是指作物细胞在响应内外环境刺激时产生的跨膜电位变化及其传播过程，主要包括动作电位、变异电位和系统电位 3 种类型。这些电信号通过维管束系统实现跨组织传递。监测作物电生理信号不仅有助于深入了解作物在不同环境条件下，比如干旱、盐碱等胁迫下的生理响应机制。现有已报道的刚性作物表皮电生理传感器，受限于结构适应性，在应用于作物多样化的表皮结构时表现出信号衰减、组织受损等情况。为解决上述问题，LAN 等 [27] 提出了一种简单有效的一步制备高性能水凝胶的方法，通过将明胶和吡咯烷酮羧酸钠 (一种天然保湿因子) 巧妙结合，可以增强明胶型水凝胶的机械强度、导电性和保水能力。此外，明胶型水凝胶具有受温度控制的可逆相转变特性，使其能够在各种不同的基底上原位固化，建立高效贴合的生物界面，从而实现对多毛作物电生理信号的高保真度检测 (见图 3b)。

作物体内的激素、活性氧、矿物离子等生化物质在作物信号传导过程中起着至关重要的作用，协同调控作物的生长、生理代谢与胁迫响应。相较于传统的检测方法 (如色谱分析、分光光度法) 对作物样本的破坏性预处理需求，新兴的植入式传感器件凭借其快速响应、高灵敏度和低损伤特性，为作物小分子检测开辟了新路径 [28]。葡萄糖作为光合作用关键产物，其浓度变化直接反映了作物成熟度与能量代谢状态。CHEN 等 [29] 开发了一种基于微针电化学传感技术的葡萄糖监测系统。实现了对作物体内葡萄糖的微创、实时监测。其检测限低至 33.3 μM，检测范围覆盖 100 μM 至 100 mM。在作物逆境研究方面，活性氧 (ROS) 作为系统信号转导的 "分子信使" 备受关注。ROS 可以在系统信号转导过程中穿过作物细胞，将细胞和组织从正常生长状态切换到应激状态。过氧化氢 (H₂O₂) 是一种初级 ROS，胁迫刺激作物可以诱导 H₂O₂的产生和积累，因此准确测定作物 H₂O₂的含量及变化模式是系统研究 H₂O₂信号转导及其生物学功能的一个关键技术。ZHANG 等 [30] 基于多孔激光诱导石墨烯构建了一种可用于 H₂O₂监测的植入式智能传感系统 (见图 4a)。该研究通过集成光伏 (PV) 模块为传感系统持续供电，可用于非生物胁迫 (渗透胁迫、机械损伤和紫外线辐射) 下番茄植株 H₂O₂水平的连续监测。同时，分析了体内 H₂O₂信号的传输过程，比较了不同非生物胁迫造成的 H₂O₂含量和波形差异，为作物抗逆育种和设施农业中作物胁迫的早期感知诊断提供了有效的分析工具。激素作为调控作物生长发育的信号分子，其变化与作物生理状态密切相关 [31-32]。ZHANG 等 [33] 开发了一种基于水平石墨烯 (HG) 与垂直石墨烯 (VG) 复合结构的吲哚乙酸 (IAA) 微针传感器件，通过电子辅助热丝化学气相沉积 (CVD) 技术构建三电极体系，实现了在宽 pH 值范围 (4.0~9.0) 内 1~100 μM 的线性检测，检测限低至 0.21 μM (见图 4b)。该传感器实现了黄瓜茎秆不同节位及花椰菜根茎连接处的 IAA 原位检测。在无机离子监测方面，作物体内离子浓度的动态变化与其营养吸收、转运及代谢过程密切相关。实时监测技术通过捕捉离子浓度变化为揭示这些生理过程提供了关键手段。IBRAHIM 等 [34] 采用 MEMS 技术研制了针状传感器用于硝酸盐监测，该传感器件具有 0.2~2000 mg/L 的宽线性检测范围，并通过作物活体茎内监测揭示了硝酸盐浓度波动与光合速率的动态关联。该研究发现，未遮光作物在光照增强时茎内硝酸盐浓度显著上升，而遮光植株则呈现持续下降趋势，表明光合作用直接影响木质部硝酸盐运输效率。

图 4 植入式智能农业传感器监测作物生理案例 Fig.4 Case study on monitoring crop physiological with implantable smart agricultural sensorsa. 植入式和自供电传感系统示意图 [30]（Illustration of the implantable and self-powered sensing system [30]）b. 石墨烯微结构和微电极阵列传感器结构示意图 [33]（Schematics of graphene microstructure and microelectrode array sensor structure [33]）注：微电极阵列（Microelectrode array）、化学气相沉积工艺（CVD process）、对电极（CE）

作物生命信息原位感知传感器能够实时监测作物的表型特征和内部生理参数，为智慧农业领域提供了强大技术支持，并推动现代农业加速迈向智能化与精准化 [35-36]。未来研究应重点关注检测模块灵敏度的提升与传感器结构制备工艺的优化，从而突破作物传感器从实验室研发到实际应用的技术瓶颈。

2.1.3 精准种植传感技术总结与挑战

精准种植的核心目标在于协同解析 "土壤 - 环境 - 作物" 系统互作机制，以提升资源利用效率与农产品品质。当前技术发展的核心驱动力来自对多参数同步监测、高时空分辨率感知以及原位、长期稳定工作的现实需求。随着柔性电子与微纳制造技术的发展，传感器正逐步向小型化、高集成方向演进，为构建贴合生物体表的监测系统提供了可能。然而，从实验室走向大田应用仍面临多重挑战。1) 在单一器件内实现多参数集成，工艺复杂度高，容易导致器件间信号串扰、测量干扰及系统稳定性下降。2) 当前多数传感器封装方式难以应对田间环境中的泥沙磨损、湿度波动和植物生长带来的形变需求，柔性封装结构在机械疲劳与界面稳定性方面仍有待优化。3) 能源供给仍是限制田间长期部署的关键瓶颈，传统纽扣电池因体积较大与能量密度不足，难以兼顾传感频率与无线传输，尚需开发更高效的微型自供能方案。未来发展亟需在 "芯片级集成、柔性化封装与低功耗自供能" 方向实现协同突破，提升传感器在复杂农业环境中的可部署性与生命周期稳定性，为精准种植的规模化推广提供技术支撑。

其他部分请阅读原文献

3 AI 赋能农业传感器发展现状

AI 技术的迅猛发展正在重塑现代农业传感器的技术范式，为智慧农业注入了颠覆性变革动力。传统农业传感器受限于数据解析效率低下、环境异质性高等问题，而 AI 赋能实现了从数据采集到智能决策的跃迁 [65]。一方面，AI 助力了农业传感器硬件设计与革新，不断助推传感器性能实现突破；另一方面，AI 算法可快速实现多模态传感数据的处理及增强，实现作物胁迫、动物疾病等复杂状态的早期预警。AI 驱动的传感器网络正在重构农业生产模式，推动农业从经验导向转向数据驱动 [66]。

农业环境的动态性和不可预测性导致传感器容易受到多种干扰，AI 技术通过动态迭代显著提升农业传感器在复杂场景下的精度和鲁棒性。ARANDA 等 [67] 介绍了一种基于 2D 卷积神经网络和密集神经网络的深度学习模型，用于土壤湿度传感器的自校准，校正后传感器精度提高了 68.8%。LIN 等 [68] 使用复杂度更低的 XGBoost 和随机森林集成模型校准了土壤电导率传感器，无需 GPU 加速，从而便于在边缘节点部署。在化学传感领域，类似的自适应策略被用于传感器标定，WU 等 [69] 采用人工神经网络算法建立电化学信号与植物激素浓度之间的关系，在原位监测系统中配置模型，从而智能获取精确的浓度数值。上述模型的应用与实际部署不仅优化了传感器性能，更为多模态数据的融合奠定了基础。

大田农业的开放式环境与规模化场景对传感网络的实时解析与协同决策能力提出了更高的要求，推动了无人机 - 卫星遥感与边缘 AI 的深度融合应用。MAIL 等 [70] 将基于无人机的多光谱和热红外图像传感器与机器学习相结合，以预测小麦的水分胁迫；CHENG 等 [71] 在算法层面提出改进，使用了集成学习模型评估无人机多光谱成像技术在不同水肥胁迫条件下估算玉米叶面积指数的有效性，算法性能优于单一回归算法。

在设施农业中已有多项 AI 辅助生理生化数据融合的实施案例，ZHOU 等 [35,72] 制备了植入式微针传感阵列用于监测和解码植物电信号，精确记录了瞬态 / 长期胁迫条件所触发的电信号，并利用 XGBoost 机器学习模型实现了超过 99% 准确率的胁迫种类识别。多模态生化监测融合 AI 模型可以为抗逆品种的高通量筛选铺平道路，LEE 等 [73] 报道了一种叶片表面附着的多模态可穿戴传感器用于连续监测植物生理学，同时开发了基于 PCA 方法的机器学习分析框架，创新性地用于定量确定早期病害检测能力并筛选多个传感器中的最佳组合。类似的，COATSWORTH 等 [74] 基于丝网印刷工艺制备了低成本、可扩展的电化学传感器，用于植株根部环境中的盐度、pH 值和 H2O2 信号监测，进一步使用监督式机器学习模型预测离子摄取速率，加速植物表型分析。但所开发的平台无法适应大型、成熟作物，同时有限的数据量限制了模型的可扩展性。

动物可穿戴系统与 AI 技术的深度融合可实现健康状况的精准预测与提前干预，显著提升养殖管理效率，正受到研究者的广泛关注。SHAHBAZI 等 [75] 开发了一个深度学习框架，将可穿戴惯性测量单元采集的蛋鸡活动时间序列数据编码为图像数据，以便通过现成的深度学习模型进行分类。模型在小数据量下表现良好，具有出色的鲁棒性与泛化性，可有效检测家禽疾病时出现的异常行为。FERREIRA 等 [76] 开发了一种多模态机器学习算法，对基因型、图像和可穿戴传感数据进行特征提取，评估了不同的数据融合策略用于早期检测奶牛亚酮症的有效性，实现了低至 0.242 的平均绝对误差。XIA 等 [77] 开发了一种高集成度、低成本的活鱼可穿戴电子系统，实现了无损监测活鱼呼吸运动状态以及微环境参数，并使用模糊神经融合建模，应激等级评估精度达到了 88.1%。后续可对模型进行算法改进，并针对不同种类的生物进行泛化能力验证。

近年来，AI 凭借其强大的数据处理、模式识别与建模优化能力，正深度介入传感材料的智能筛选与发现、传感器结构的优化设计以及基于目标的逆向设计等核心硬件创新流程，开辟了提升传感器性能与功能的新兴研究方向。XU 等 [78] 通过第一性原理计算结合主动学习策略，系统评估了 736 种单原子催化剂的氧还原反应活性，并以此作为训练集构建机器学习模型，进一步对 10179 个潜在体系进行了预测与高通量筛选，从而验证了该策略的高效性与准确性，可加速新型传感催化材料的开发。HARDMAN 等 [79] 仅用一块边缘部署 32 个电极的明胶基水凝胶，通过电阻抗断层成像技术实现了 172 万个信息通道的触觉感知，并采用数据驱动的配置选择方法以及跨模态知识迁移策略将监测帧率由 0.02 Hz 提升至 3.3 kHz。研究团队提出了简单材料配合智能算法的传感器设计新范式，降低器件制造难度的同时极大地提升了系统鲁棒性。类似的，LIU 等 [80] 针对压力传感器正向结构 - 性能设计路径耗时费力的缺陷，提出了一种高效的逆向设计方法，通过引入降阶模型来限制设计范围，并提出了 "跳跃选择" 方法以提高数据筛选效率。试验验证表明 AI 辅助设计的线性传感器阵列展现出了非凡的线性性能与极高的灵敏度。

综上所述，AI 赋能农业传感器的应用前景广阔，可为智慧农业提供高性能感知能力与决策支持工具，有望在赋能精准农业决策、优化资源动态管理和保障农业生态可持续性方面产生变革性影响。然而，现有研究多基于小规模数据集，构建的 AI 模型的泛化能力有待考察；同时，边缘计算设备的算力约束与算法轻量化需求矛盾突出，低复杂度模型可能牺牲部分精度。未来需通过跨学科合作构建标准化数据集、开发轻量化自适应算法，并探索生物相容性材料与 AI 模型的联合设计路径。

4 结论与展望

智能农业传感器凭借其高精度、实时监测、无线传输和智能化分析等特性，正在推动农业生产向数字化、精准化方向转型。现阶段，智能农业传感器已在种植业、畜牧业和渔业初步部署应用，促进农业环境调控以及生命信息的全流程监控。然而，当前智能农业传感器仍面临环境适应性差、能源供应不足、多模态集成难度大以及规模化应用成本较高等关键挑战。

环境适应性与长期稳定性不足。农业环境所面临的强紫外辐射、高湿度、盐雾、土壤化学腐蚀等极端复杂环境对农业传感器，尤其是柔性电子技术的核心元件构成严峻考验。具体而言，柔性传感器在大田应用中，其聚合物基底在持续紫外照射下易发生链断裂导致脆化失效；水下或高湿环境中的疏水涂层易被破坏引发电极腐蚀；盐雾条件则会加速金属导电层的氧化。刚性传感器则常因无法与作物表面或土壤微地形共形贴合，在动态环境中（如植株生长、风雨扰动）导致信号失真或机械损伤。未来可开发具有紫外屏蔽、仿生超疏水、抗化学腐蚀特性的新型功能材料；引入褶皱、岛桥等自然结构优化器件设计以分散应力；建立加速老化与长期实地验证的可靠性评估体系，针对性提升传感器在极端农业场景下的寿命。
能源供应技术瓶颈。依赖外部供电或频繁更换电池在偏远农田、大型设施或长期水下监测中极不现实，且存在污染风险。虽然柔性光伏、压电 / 热电能量收集技术不断取得突破，但面临输出功率低且高度依赖环境条件的核心缺陷。例如，微型光伏设备在设施农业弱光或叶片遮挡下效率骤降；基于植物摆动的摩擦纳米发电机在低风速或无风日难以提供连续监测所需的能量。发展方向需聚焦高效环境能量捕获与超低功耗系统协同设计：重点突破面向农田广域覆盖的定向多频段射频能量收集器件及适应冠层弱光的高效钙钛矿 / 异质结太阳能组件，通过曲面集成与微结构设计提升综合捕获效率；结合超低功耗传感网协议与事件驱动型智能调度算法，实现环境自适应能量自供给。
多模态集成问题。对农业环境、动植物理化等多参数原位同步监测需求迫切，但多模态传感器集成面临信号串扰加剧、空间分辨率下降、工艺复杂度陡增等难题。例如，叶片微环境监测中，紧邻的温度传感器产生的微小热量可能显著改变其周围局部湿度分布，同时多传感器间存在交叉敏感性，需要进行海量、多维度的原位标定。解决路径需软硬件协同创新：在硬件层面，采用先进微纳加工与异质集成技术（如硅基 MEMS 与印刷电极结合），实现传感单元的物理隔离、独立封装与三维堆叠，有效抑制串扰；在数据层面，开发基于深度学习的多源信息融合与解耦算法，精准分离耦合信号并抑制噪声。从长远角度看，构建标准化、模块化、即插即用的传感平台，支持用户按需灵活配置监测参数，将是兼顾性能、成本与易用性的关键。
规模化应用与落地壁垒。农业传感器从实验室迈向广袤农田的规模化应用，其核心瓶颈在于技术成熟度不足、成本较高以及标准化缺失。当前，高性能材料与复杂工艺增加了制造成本，而卷对卷印刷等低成本批量制造技术在保证器件精度、重复性及极端环境鲁棒性方面仍待突破；同时，严苛环境下的器件失效大幅增加了维护成本，数据安全合规要求增加了边缘节点负担，私有协议、封闭接口等异构系统集成壁垒则大幅提升了传感系统部署复杂性与总拥有成本。未来可通过纳米材料创新与先进制造工艺实现降本增效；利用边缘自适应学习算法实现自校准与漂移补偿，削减运维成本；并依托开放标准与政策引导，如统一协议、数据安全框架、激励措施协同推动智慧农业从 "单点示范" 跨越至 "全域协同"，为构建开放、安全、可持续的全球农业数字底座奠定坚实基础。

材料与信息科学的突破将持续推动农业传感器向轻量化、自适应化演进，其网络架构将深度融入农业大模型的感知层。智能传感器网络将作为神经末梢，实时采集多维度农田数据，并通过边缘计算即时处理；这些数据将驱动农业大模型构建高保真作物生长数字孪生体，实现精准的生长模拟与预测。另一方面，具备预测性维护能力的农业机器人将自主诊断设备状态并触发维护，而整合了环境感知、模型预测与执行反馈的 "自主农场" 系统，将形成覆盖种植、养殖、生态的闭环决策链。随着能源自供给与低功耗通信技术的成熟，全域感知网络将迈向全生命周期免维护。届时，完善的伦理框架与数据安全体系将确保生物信息与生态数据可控，在显著提升农业生产力的同时，奠定智慧农业的可持续根基。