健康的叶片一定水分充足

无论是农田作物，还是易发生森林火灾区域的树木，叶片含水量都是健康的关键指标。

传统监测方式需要剪下叶片，耗时且无法实时测量。为此，研究人员开发了各类实时植物健康传感器。

石墨烯 “纹身”：贴在叶片上的实时湿度传感器

美国得州大学奥斯汀分校团队研发了一种石墨烯柔性贴片传感器，可直接贴在叶片表面，像纹身一样，实时监测水分含量。研究人员认为，未来这类传感器可组成植物神经网络，直接在植物上完成计算。

技术原理

• 结构：石墨烯导电沟道、金电极、叶片本身充当绝缘介质，构成三端晶体管。

• 工作方式：向叶片发送电脉冲，改变离子分布，从而改变石墨烯电导率；电导率变化大小与叶片含水量直接相关，无需外部处理即可读取数据。

• 材料优势：石墨烯近乎透明，不影响光合作用；柔软可伸缩，随叶片生长、收缩、弯曲自适应。

从传感器到人工突触

这项技术不只是普通传感器：

• 石墨烯贴片可作为人工突触，像大脑神经元连接一样工作。

• 电脉冲可微调传感器电导率，脉冲结束后约90 秒缓慢恢复，形成短期记忆特性。

• 未来可用于训练、存储神经网络权重，实现植物端本地计算。

类脑植物计算

团队长期研究神经形态计算，常用石墨烯 + 质子传导聚合物（Nafion）制作人工突触。

一名本科生提出新思路：直接用植物叶片替代 Nafion。

实验成功，但团队最初未找到应用场景；直到与森林水分监测地质学家交流，发现巨大实用价值。

应用场景

研究团队已训练单层感知神经网络，通过传感器数据将叶片状态分为：水分充足 / 正常 / 干旱。

未来构想：

• 农田：实时监测干旱，精准灌溉；

• 森林：预警火灾风险，实时监测枯叶数量；

• 跨域网络：叶片、土壤、树液传感器互联，形成森林级神经网络。

关键词： 石墨烯 神经网络