الطماطم أيضًا "تصرخ" تحت الضغط. توصلت جامعة تل أبيب إلى أن مملكة النبات ليست صامتة

المحتويات في لمحة:في الماضي، ركزت الأبحاث البشرية حول قدرة النباتات على إدراك العالم الخارجي والاستجابة له بشكل رئيسي على إطلاق المركبات العضوية ونقل الإشارات الضوئية. وأظهرت دراسة حديثة أن النباتات قادرة أيضًا على نقل المعلومات من خلال الموجات الصوتية. ومؤخرا، استخدم باحثون في جامعة تل أبيب في إسرائيل تقنية التعلم الآلي للتأكد من أن النباتات تصدر "صرخات" عالية التردد عندما تواجه نقص المياه وضغوط البقاء على قيد الحياة. وقد نشرت هذه النتيجة في مجلة Cell.

الكلمات المفتاحية:الشبكة العصبية التلافيفية لآلة دعم المتجهات الزراعية

نُشرت هذه المقالة لأول مرة على منصة HyperAI WeChat العامة~

يمكن للبيئات الطبيعية الضارة، بما في ذلك الموقع الجغرافي، والظروف المناخية، والأنشطة البشرية وعوامل أخرى، أن تسبب ضرراً للنباتات. وتسمى هذه المخاطر بالصعوبات أو الضغوط. على سبيل المثال، عندما تكون النباتات جافة وتفتقر إلى الماء، تتكون الفقاعات في الخشب المسؤول عن نقل الماء.عندما تستمر الفقاعات في التوسع وحتى الانفجار، سيحدث التجويف.تعمل هذه الظاهرة على إعادة توزيع الضغوط (الضغوط الدورية) في جسم النبات. عندما يتركز الضغط في جزء واحد، فمن الممكن إطلاق كمية كبيرة من الطاقة بسرعة - يتم تحويل الطاقة الميكانيكية إلى طاقة صوتية. وتسمى هذه العملية بالانبعاث الصوتي (AE).

ومع ذلك، عند استخدام الانبعاث الصوتي للكشف عن النباتات، فمن الضروري عادةً توصيل المستشعر مباشرة بالنبات الذي يتم اختباره. لذلك، على الرغم من أن العلماء تمكنوا من اكتشاف أصوات النباتات في الماضي، إلا أن الموجات الصوتية كانت تنتقل بواسطة النباتات نفسها ثم تستقبلها الأجهزة.لا يوجد دليل على أن الغرباء يستطيعون سماعه.

وفي أحدث دراسة، جمع باحثون من جامعة تل أبيب في إسرائيل الملاحظات المختبرية مع التعلم الآلي لإثبات أن الموجات فوق الصوتية التي تنبعث من نباتات الطماطم والتبغ في ظل ظروف مرهقة يمكن أن تنتشر عبر الهواء. كما تمكنوا بنجاح من التمييز بين الأصوات المختلفة التي تصدرها النباتات المختلفة عند مواجهة بيئتين مرهقتين من خلال تدريب نموذج التعلم الآلي. في الوقت الحالي،وقد نشرت نتائج البحث في مجلة Cell، تحت عنوان "الأصوات التي تصدرها النباتات تحت الضغط تكون محمولة جواً ومفيدة".

وقد نشرت نتائج البحث في مجلة Cell

عنوان الورقة:

https://doi.org/10.1016/j.cell.2023.03.009

نظرة عامة على التجربة

عندما أجرينا مقابلة مع مؤلف هذه الورقة، قدم لنا العملية التجريبية ونتائجها.

كانت المواد التجريبية عبارة عن الطماطم والتبغ، والتي تم تقسيمها إلى ثلاث مجموعات: الجفاف، وقطع الساق، والتحكم. ومن بينها، تم تقسيم المجموعة الضابطة إلى ثلاث حالات: النمو الطبيعي، والتربة فقط في الوعاء بدون نباتات، وقبل وبعد السيطرة على كل نبات. تنقسم التجربة بأكملها إلى 3 مراحل:

المرحلة الأولى،تم وضع الكائنات التجريبية في صندوق عازل للصوت، وتم وضع ميكروفونين خاصين قادرين على استقبال الموجات فوق الصوتية في نطاق 20 إلى 100 كيلو هرتز على بعد 10 سم من الكائنات التجريبية لجمع أصوات النباتات في ظل ظروف مختلفة.

المرحلة الثانية،تم وضع الصندوق العازل للصوت في بيئة دفيئة صاخبة، وتم استخدام النموذج المدرب لتحديد الضوضاء وأصوات النباتات في بيئات مختلفة.

المرحلة الثالثةتم استكشاف العلاقة بين إنتاج الصوت النباتي وشدّة الجفاف، كما تم تسجيل حالة الصوت لأنواع أخرى من النباتات.

الشكل 1: صندوق عازل للصوت لتسجيل صرخات النباتات

وأظهرت النتائج التجريبية أن النباتات تصدر أصواتًا بترددات تتراوح بين 40 كيلوهرتز و80 كيلوهرتز (أعلى تردد يمكن للبالغين سماعه هو حوالي 16 كيلوهرتز). عندما يكون النبات في حالة جيدة وليس تحت أي ضغط، فإنه لا يصدر أكثر من صوت واحد في الساعة. ومع ذلك، عندما يتم تجفيفه أو قطعه،يصدر الصوت حوالي 30-50 مرة في الساعة ويمكن اكتشافه حتى على مسافة 3-5 أمتار، وهو مماثل لصراخ الإنسان العالي.

التدريب النموذجي والنتائج

في المرحلة الأولى من التجربة، جمع الباحثون 5483 مقطعًا صوتيًا تم تسجيلها أثناء التجربة في مجموعة بيانات صغيرة من أصوات النباتات. لقد قاموا بتطوير نموذج التعلم الآلي خصيصًا لـوفقالأصوات التي تصدرها النباتات تشير إلى ظروف مختلفة (الجفاف والقطع).

أولاً، قام الباحثون بتدريب نموذج آلة الدعم المتجهي (SVM). قاموا بتقسيم الأصوات إلى 4 مجموعات، تحتوي كل مجموعة على نوعين من النباتات (الطماطم والتبغ) ومعاملتين (الجفاف أو القص) لتدريب النموذج. للتحقق المتبادل، تم اختبار النماذج فقط على النباتات التي لم تشارك في عملية التدريب.تم استخدام ثلاث طرق لاستخراج الميزات، وهي استخراج الميزات الأساسية (Basic)، واستخراج ميزات معامل التردد الميلاني (MFCC)، وشبكة التشتت (Scattering network).

وتظهر النتائج التجريبية في الشكل. يمكن لـ SVM المستند إلى شبكة التشتت تحديد الجفاف والنباتات المقطوعة بنجاح.والدقة حوالي 70%.

الشكل 2: دقة مصنفات SVM استنادًا إلى ثلاث طرق مختلفة لاستخراج الميزات

في المرحلة الثانية من التجربة، جمع الباحثون أولاً عينة من أصوات البيوت الزجاجية ثم قاموا بتدريب نموذج الشبكة العصبية التلافيفية علىالتمييز بين الأصوات الطبيعية (الرياح، المطر، البناء، الخ) وأصوات الطماطم المعرضة للجفاف.وتظهر العملية التجريبية والنتائج في الشكل 3.تصل دقة التعرف والدقة للنموذج إلى 99.7%.

  الشكل 3: التمييز بين ضوضاء الدفيئة وأصوات الطماطم

(أ) قام الباحثون بتسجيل ضوضاء بيت زجاجي فارغ بدون نباتات لعدة أيام لتدريب نموذج الآلة.

(ب) سجل الأصوات التي تصدرها الطماطم في الدفيئة وقم بتصفيتها باستخدام نموذج آلي، بحيث يبقى فقط الأصوات التي تصدرها الطماطم.

(ج) تظهر مصفوفة الارتباك أن النموذج يمكنه التمييز بنجاح بين أصوات الطماطم وضوضاء الدفيئة بدقة تبلغ حوالي 99.7%.

(د) تظهر مصفوفة الارتباك أن النموذج قادر على التمييز بين الطماطم المصابة بالجفاف وغير المصابة بالجفاف بدقة تبلغ حوالي 84%.

خلال مرحلة التحقق، استخدم الباحثون التحقق المتبادل لاستبعاد شخص واحد (LOPO-CV) لتقييم النموذج المدرب بشكل قوي. من خلال جمع كل التوقعات الدقيقة وغير الدقيقة، نقوم ببناءمصفوفة الارتباك، والتي يتم من خلالها الحصول على قيمة دقة التوازن.

كود نموذج الشبكة العصبية التلافيفية:

https://doi.org/10.5281/zenodo.7612742

وفي المرحلة الثالثة من التجربة، وضع الباحثون الطماطم المروية في بيت زجاجي لمدة 10 أيام دون ريها مرة أخرى.لقد استخدموا نموذج CNN المذكور أعلاه لتصفية ضوضاء الاحتباس الحراري.تم إحصاء صوت كل نبات طماطم يوميًا. تظهر النتيجة في الشكل 4. لم يصدر النبات أي صوت تقريبًا بعد الري مباشرة.تصل الصراخات إلى أعلى مستوياتها في اليوم الرابع إلى السادس.ثم، مع تفاقم الجفاف، انخفضت الصراخات.

الشكل 4: تسجيل صراخ نباتات الطماطم بسبب الجفاف في الدفيئة

ومع ذلك، على الرغم من أن التجربة كشفت أن بعض النباتات يمكن أن تصرخ بصوت عالٍ تحت الضغط، إلا أن الباحثين أيضًاوقد تم اقتراح عدة اتجاهات لمزيد من الاستكشاف في المستقبل:

*  آلية الصوت النباتية:ويتوقع الفريق أن الآلية الأساسية لإنتاج الصوت في النباتات قد تكون ظاهرة تسمى "التجويف" في الجذور.

*  زيادة الأبحاث حول الظروف البيئية وظروف الإجهاد وأنواع النباتات:وفي المستقبل، من الممكن تحليل أصوات النباتات في بيئات مثل الحقول ذات الضوضاء الخلفية الأكبر؛ يمكن اختبار أنواع النباتات من عائلات مختلفة؛ ويمكن دراسة البيئات المجهدة الأخرى، بما في ذلك مسببات الأمراض المختلفة، والبرد، وهجوم الحيوانات العاشبة، والأشعة فوق البنفسجية، ومراحل الحياة المختلفة لأنواع النباتات.

*  الاستجابات التكيفية للنباتات للصوت:وفي المستقبل، سيكون من الممكن استكشاف ما إذا كانت الكائنات الحية الأخرى قادرة بالفعل على تصنيف هذه الأصوات والاستجابة لها.

الذكاء الاصطناعي واقعي: استكشاف أصوات النباتات لتعزيز التنمية الزراعية

فيما يتعلق بنتائج البحث، قالت ليلاش هاداني، عالمة الأحياء التطورية في جامعة تل أبيب وإحدى مؤلفات هذه المقالة، في مقابلة: "لن يُغني هذا البحث عن المراقبة البصرية للنباتات، ومن المتوقع أن يُسهم الجمع بين طريقتي الكشف بشكل أكبر في دراسة النباتات. في الوقت نفسه، تقدمنا بطلب للحصول على براءة اختراع لاستخدام المعلومات الصوتية لضبط اتجاه ري النباتات. يُمكن لبعض الحيوانات، مثل العث والخفافيش والفئران، سماع الأصوات التي تُصدرها النباتات. لكننا ما زلنا بحاجة إلى فهم ما يحدث في الطبيعة.ما هي النباتات والحيوانات التي تستجيب لهذه الأصوات؟نحن نقوم حاليًا بالبحث في هذا الأمر ونأمل أن نحصل على إجابة خلال بضع سنوات. " 

وأضاف المؤلف أن الأبحاث في هذا المجال قد تكون مفيدة للزراعة. وبحسب بيانات الأمم المتحدة المتوقعة بشأن السكان والجوع،بحلول عام 2050، سوف يزداد عدد سكان العالم بنحو 2 مليار نسمة أخرى، وسوف تحتاج الإنتاجية الزراعية إلى زيادة بنحو 60% لتوفير الغذاء الكافي.مع مواجهة الزراعة لتحديات متعددة مثل الانحباس الحراري العالمي، ونمو السكان، والأمن الغذائي، تحول انتباه العلماء تدريجيا إلى الذكاء الاصطناعي وأدركوا أنه أداة مفيدة لتحسين الكفاءة الزراعية والتنمية المستدامة.

وبالاشتراك مع الأبحاث السابقة، يمكن استخدام الذكاء الاصطناعي لإدارة الآفات والأمراض، وتحسين نمو المحاصيل، وتطبيق الأسمدة والري بدقة، وما إلى ذلك، مما لا يؤدي فقط إلى زيادة الإنتاج الزراعي والجودة، بل يحمي البيئة أيضًا ويقلل من هدر المياه والتلوث الكيميائي.

روابط مرجعية:

[1]https://www.cas.cn/kj/202303/t20230331_4882525.shtml

[2]https://finance.sina.cn/tech/2022-02-24/detail-imcwipih5062199.d.html?fromtech=1

[3]https://www.businessinsider.com/plants-shriek-with-high-pitched-ultrasonic-clicks-when-stressed-study-2023-3

نُشرت هذه المقالة لأول مرة على منصة HyperAI WeChat العامة~