本网讯 近期，学校人工智能学院时国龙副教授团队在国际综合性期刊《Advanced Science》（IF=14.1），中国工程院院刊《Engineering》（IF=12.2）上围绕生鲜农产品射频无源检测方向发表系列研究成果，助力学校新工科建设与特色学科交叉融合。

“Non-Line-of-Sight Passive Ammonia Sensor Loaded With MXene/In₂O₃Composites for Agricultural Products Quality Deterioration Detection” 采用螺旋线圈天线与LC叉指电极结构化分离及MXene/In₂O₃复合异质结设计策略，成功构建了面向非视距包装环境的柔性无源射频传感器，实现了信号传输与气体感知的功能解耦。该研究揭示了包装介质主要引起S₁₁幅度衰减、农产品劣变挥发性氨气吸附导致谐振频率偏移的响应机制，并提出S₁₁幅-频信号分离与补偿策略，为智能包装和冷链物流中的无源、无损检测提供了新的技术路径，未来有望应用于农产品品质智能监测、食品安全追溯等领域。

图1 柔性无源射频传感标签结构与电磁耦合特性

图2 非视距条件下农产品品质劣变无源检测示意图

“Microwave Antenna Sensor with Machine Learning for Non-Destructive Detection of Fresh Meat”通过机器学习构建了融合反向传播神经网络和皮尔逊相关性分析的温湿度补偿模型，实现了动态冷链环境下射频检测信号的补偿校正。研究建立了融合微波传感器辐射增益与无线功率传输模型的新型无线微波传感系统，实现了冷藏肉类腐败过程中氨气的实时无线监测，补偿后射频信号零点频率波动降低至约48 MHz，检测精度提升31.11%。该研究为动态冷链环境下农产品品质的高灵敏、无损检测提供了新的技术方案。

图3 射频传感器结合机器学习的生鲜农产品品质劣变检测

以上成果，学校为第一完成单位，2023级计算机科学与技术专业硕士生胡国平为第一作者，时国龙副教授为唯一通讯作者。研究得到了国家自然科学基金（项目编号：62303018）、合肥市自然科学基金（项目编号：HZR2413）资助。

《Advanced Science》论文链接1：https://doi.org/10.1002/advs.76454

《Engineering》论文链接2：https://doi.org/10.1016/j.eng.2026.01.028