在廣袤的棉田之中，棉鈴蟲的肆虐常常給棉花生產帶來巨大損失。這種隱蔽性強的害蟲以幼蟲鉆蛀蕾鈴為害，導致棉鈴腐爛或形成僵瓣，嚴重影響棉花的產量與質量。傳統的聲學檢測法、圖像識別法等在復雜的棉田環境中往往顯得力不從心，而電子鼻技術的出現，為棉花早期棉鈴蟲蟲害檢測帶來了新的希望。

01Airsense 電子鼻技術原理
Airsense 電子鼻是一款融合先進科技的精密儀器，其核心在于模擬生物嗅覺系統的運行機制。儀器內部配備了由多種金屬氧化物（MOS）傳感器組成的高靈敏度陣列。植物在遭受蟲害侵襲時，會釋放出特定的揮發性有機化合物，這些化合物的成分和含量會隨著蟲害程度的不同而發生變化。電子鼻正是利用這一特性，通過其內部的氣體傳感器陣列來捕捉這些 “氣味信號"。

02研究目的
為實現棉花早期棉鈴蟲蟲害的有效檢測，解決傳統方法（聲學檢測、圖像識別等）在復雜棉田環境中的局限性，通過分析棉花受蟲害后揮發物的變化，探索電子鼻技術在該領域的應用可行性。
03材料與方法
1試驗材料
棉花：冀棉 14 號，種植約 12 周，處于棉鈴期，盆規格 24cm（直徑）×19cm（高），生長于室外自然條件。
棉鈴蟲：2 齡幼蟲，試驗前在（26±1）℃、相對濕度 40%~50% 環境中飼養，饑餓 24h 后用于試驗。
2儀器設備
電子鼻：PEN3 型（德國 Airsense 公司），含 10 個金屬氧化物半導體傳感器，對不同揮發物靈敏度不同（見表 1）。

3試驗設計
分組：對照組（健康棉花）、1 條棉鈴蟲組、2 條棉鈴蟲組、3 條棉鈴蟲組，每組電子鼻檢測設 20 個重復樣品。
處理：棉鈴蟲侵染 6h 后檢測（模擬早期蟲害），電子鼻檢測參數為清洗 60s（600mL/min）、檢測 90s（400mL/min）。
4數據分析
特征提取：從電子鼻響應曲線提取穩定值（85s 響應值）、面積值、平均微分值、小波能量值、多項式擬合曲線參數值5 種特征。
分類方法：采用 MLPNN、RBFNN、ELM 3 種神經網絡。
預測方法：采用支持向量機回歸（SVR），以特征值為自變量，棉鈴蟲數量為因變量，用R2和 RMSE 評價模型。
04結果與分析
1電子鼻傳感器響應
健康棉花與受蟲害棉花的傳感器響應曲線差異顯著：受蟲害棉花的 S2（對氮氧化物靈敏）響應值更高，S1、S3、S5（對芳香族化合物靈敏）響應變化更大，且響應值隨棉鈴蟲數量增加而增大，與 GC-MS 檢測的揮發物總量變化一致。

2主成分分析（PCA）
5 種特征值中，平均微分值的第一、二主成分之和達 97.18%，能有效區分健康與不同蟲害組。
3分類分析
單特征分類：3 種神經網絡中，MLPNN 效果佳，穩定值、平均微分值、面積值的分類正確率較高（訓練集均 > 90%，測試集均 > 85%），RBFNN 效果最差（測試集正確率 < 70%）。
多特征分類：將穩定值、平均微分值、面積值兩兩或三者組合后，分類效果提升，其中 “穩定值 + 平均微分值" 結合 ELM 的訓練集和測試集正確率均達 100%。
05結論
本研究充分證明了Airsense電子鼻技術在棉花早期棉鈴蟲蟲害檢測中的可行性。通過特征值優化和多特征組合，能夠顯著提高電子鼻對受蟲害棉花的識別準確率和預測效果。
Airsense電子鼻技術憑借其快速、無損、高效的特點，為棉花蟲害檢測提供了一種全新的手段。未來，隨著技術的不斷發展和完善，Airsense電子鼻有望在棉田現場實時監測中發揮更大作用，為精準農業的發展貢獻力量，讓棉花生長得到更有效的守護