浙大开发的荧光纳米传感器,超96.67%的准确率识别植物信号
计算材料学
2025-06-14 08:00
文章摘要
本文介绍了浙江大学团队开发的一种机器学习驱动的近红外二区(NIR-II)荧光纳米传感器,用于非侵入式监测植物体内的H₂O₂动态变化,以识别不同类型的应激反应。该传感器具有超高灵敏度和快速响应时间,能检测单个叶肉细胞内的H₂O₂波动。通过XGBoost机器学习模型,实现了对干旱、高温、机械损伤和病原菌感染等应激类型的识别,准确率超过96.67%。该技术展示了跨学科创新的力量,为精准农业和植物医疗提供了新的工具。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。