Volatile Fingerprinting Empowers Salinity Monitoring in Peppermint Using MOS Sensors and Feature-Optimized Machine Learning

盐胁迫的早期检测对精准农业至关重要，尤其是在可扩展、资源受限的监测系统中。本研究提出了一种便携式传感模块，将低成本金属氧化物半导体（MOS）传感器阵列集成其中，具备边缘部署的应用潜力，用于检测薄荷中的盐胁迫。盐胁迫显著降低了植物生物量，证实了生理胁迫的诱导作用。在受控密闭环境中连续十一天采集了挥发性有机化合物（VOC）指纹图谱。对传感器信号进行了异常值过滤、归一化和平滑处理，并使用Kruskal–Wallis检验验证了处理组间的区分度。采用75:25的训练-测试划分和五折交叉验证评估了三十三种机器学习模型。宽神经网络模型取得了最高的预测性能，测试准确率超过98%，宏F1分数达到97%。特征充分性分析表明，六个传感器即可捕获可靠分类所需的主要方差。考虑到计算约束，仅使用六个特征的双层神经网络在保持超过97%准确率的同时，内存占用仅为0.008 MB，且仍处于帕累托最优。这些发现支持了一种紧凑、计算高效且兼容边缘计算的VOC传感框架用于精准农业和智能作物监测中盐胁迫检测的可行性。