Auch Tomaten „schreien“ Unter Druck. Die Universität Tel Aviv Fand Heraus, Dass Das Pflanzenreich Nicht Still Ist

Inhalte im Überblick:In der Vergangenheit konzentrierte sich die menschliche Forschung zur Fähigkeit von Pflanzen, die Außenwelt wahrzunehmen und auf sie zu reagieren, hauptsächlich auf die Freisetzung organischer Verbindungen und die Übertragung photoelektrischer Signale. Eine aktuelle Studie hat gezeigt, dass Pflanzen Informationen auch durch Schallwellen übermitteln können. Kürzlich konnten Forscher der Universität Tel Aviv in Israel mithilfe maschinellen Lernens bestätigen, dass Pflanzen bei Wasserknappheit und Überlebensdruck hochfrequente „Schreie“ ausstoßen. Dieses Ergebnis wurde in der Zeitschrift Cell veröffentlicht.

Schlüsselwörter:Agronomie-Support-Vektor-Maschine Convolutional Neural Network

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~

Ungünstige natürliche Umgebungsbedingungen, darunter geografische Lage, klimatische Bedingungen, menschliche Aktivitäten und andere Faktoren, können Pflanzen schädigen. Diese Gefahren werden Schwierigkeiten oder Stress genannt. Stehen Pflanzen beispielsweise unter Wassermangel und sind trocken, bilden sich im Holz, das für den Wassertransport zuständig ist, Blasen.Wenn sich Blasen weiter ausdehnen und sogar platzen, kommt es zu Kavitation.Durch dieses Phänomen wird der Stress (zyklischer Stress) im Pflanzenkörper neu verteilt. Wenn die Spannung auf einen Teil konzentriert ist, kann schnell eine große Menge Energie freigesetzt werden – mechanische Energie wird in Schallenergie umgewandelt. Dieser Vorgang wird als akustische Emission (AE) bezeichnet.

Bei der Verwendung von Schallemission zur Erkennung von Pflanzen ist es jedoch normalerweise erforderlich, den Sensor direkt mit der zu testenden Pflanze zu verbinden. Obwohl Wissenschaftler in der Vergangenheit in der Lage waren, die Geräusche von Pflanzen zu erkennen, wurden die Schallwellen von den Pflanzen selbst ausgesendet und dann von den Geräten empfangen.Es gibt keinen Beweis dafür, dass Außenstehende es hören können.

In der neuesten Studie kombinierten Forscher der Universität Tel Aviv in Israel Laborbeobachtungen mit maschinellem Lernen, um zu beweisen, dass sich von Tomaten- und Tabakpflanzen unter Stressbedingungen ausgesendete Ultraschallwellen durch die Luft ausbreiten können. Durch das Trainieren eines maschinellen Lernmodells konnten sie außerdem erfolgreich zwischen den verschiedenen Geräuschen unterscheiden, die verschiedene Pflanzen in zwei Stressumgebungen aussenden. derzeit,Die Forschungsergebnisse wurden in der Fachzeitschrift Cell unter dem Titel „Von Pflanzen unter Stress emittierte Geräusche sind luftgetragen und informativ“ veröffentlicht.

Die Forschungsergebnisse wurden in Cell veröffentlicht

Papieradresse:

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

Experimentübersicht

Als der Autor dieses Artikels interviewt wurde, stellte er den experimentellen Prozess und die Ergebnisse vor.

Als Versuchsobjekte dienten Tomaten und Tabak, die in drei Gruppen unterteilt wurden: Dürre, Stängelschnitt und Kontrolle. Darunter wurde die Kontrollgruppe in drei Bedingungen unterteilt: normales Wachstum, nur Erde im Topf ohne Pflanzen und Kontrolle vor und nach jeder Pflanze. Das gesamte Experiment ist in 3 Phasen unterteilt:

Phase I,Die Versuchspersonen wurden in eine schalldichte Box gesetzt und zwei spezielle Mikrofone, die Ultraschallwellen im Bereich von 20 bis 100 kHz empfangen konnten, wurden 10 cm von den Versuchspersonen entfernt aufgestellt, um die Geräusche der Pflanzen unter verschiedenen Bedingungen aufzuzeichnen.

Phase II,Die schalldichte Box wurde in einer lauten Gewächshausumgebung aufgestellt und das trainierte Modell wurde verwendet, um den Lärm und die Geräusche von Pflanzen in verschiedenen Umgebungen zu identifizieren.

Die dritte Stufe,Der Zusammenhang zwischen der Geräuschentwicklung von Pflanzen und der Schwere der Dürre wurde untersucht und auch der Geräuschstatus anderer Pflanzenarten wurde aufgezeichnet.

Abbildung 1: Schalldichte Box zur Aufzeichnung von Pflanzenschreien

Die Versuchsergebnisse zeigten, dass die Pflanzen Töne mit Frequenzen zwischen 40 und 80 kHz aussendeten (die höchste für Erwachsene hörbare Frequenz liegt bei etwa 16 kHz). Wenn die Anlage in gutem Zustand ist und keiner Belastung ausgesetzt ist, gibt sie nicht mehr als ein Geräusch pro Stunde von sich. Wenn es jedoch dehydriert oder geschnitten wird,Das Geräusch tritt etwa 30–50 Mal pro Stunde auf und kann sogar aus 3–5 Metern Entfernung wahrgenommen werden, vergleichbar mit einem lauten menschlichen „Schrei“.

Modelltraining und Ergebnisse

In der ersten Phase des Experiments sammelten die Forscher 5.483 während des Experiments aufgezeichnete Audioclips in einem kleinen Pflanzengeräusch-Datensatz. Sie entwickelten ein maschinelles Lernmodell speziell fürentsprechendDie Geräusche, die Pflanzen machen, kennzeichnen unterschiedliche Bedingungen (Trockenheit und Beschneidung).

Zunächst trainierten die Forscher ein Support Vector Machine (SVM)-Modell. Sie teilten die Geräusche in vier Gruppen ein, die jeweils zwei Pflanzenarten (Tomate und Tabak) und zwei Behandlungen (Dürre oder Scheren) enthielten, um das Modell zu trainieren. Zur Kreuzvalidierung wurden die Modelle nur an Pflanzen getestet, die nicht am Trainingsprozess teilgenommen hatten.Drei Methoden zur Merkmalsextraktion wurden verwendetsind jeweils die grundlegende Merkmalsextraktion (Basic), die Merkmalsextraktion des Mel-Frequenz-Cepstrumkoeffizienten (MFCC) und das Streunetzwerk (Scattering Network).

Die experimentellen Ergebnisse sind in der Abbildung dargestellt. Das auf dem Streunetzwerk basierende SVM kann Dürreperioden und das Beschneiden von Pflanzen erfolgreich erkennen.Und die Genauigkeit liegt bei etwa 70%.

Abbildung 2: Genauigkeit von SVM-Klassifikatoren basierend auf drei verschiedenen Methoden zur Merkmalsextraktion

In der zweiten Phase des Experiments sammelten die Forscher zunächst eine Probe von Treibhausgeräuschen und trainierten dann ein Convolutional-Neuronal-Network-Modell, umUnterscheiden Sie zwischen natürlichen Geräuschen (Wind, Regen, Bauarbeiten usw.) und den Geräuschen dürregefährdeter Tomaten.Der experimentelle Ablauf und die Ergebnisse sind in Abbildung 3 dargestellt.Die Erkennungs- und Auflösungsgenauigkeit des Modells beträgt bis zu 99,7%.

  Abbildung 3: Unterscheidung von Treibhausgeräuschen und Tomatengeräuschen

(a) Um das Maschinenmodell zu trainieren, zeichneten die Forscher mehrere Tage lang den Lärm eines leeren Gewächshauses ohne Pflanzen auf.

(b) Zeichnen Sie die Geräusche auf, die Tomaten in einem Gewächshaus machen, und filtern Sie sie mithilfe eines Maschinenmodells, sodass nur die von Tomaten gemachten Geräusche übrig bleiben.

(c) Die Konfusionsmatrix zeigt, dass das Modell erfolgreich zwischen Tomatengeräuschen und Treibhauslärm mit einer Genauigkeit von etwa 99,7% unterscheiden kann.

(d) Die Konfusionsmatrix zeigt, dass das Modell zwischen Dürre- und Nicht-Dürre-Tomaten mit einer Genauigkeit von etwa 84% unterscheiden kann.

Während der Validierungsphase verwendeten die Forscher die Leave-One-Person-Out-Kreuzvalidierung (LOPO-CV), um eine robuste Bewertung des trainierten Modells durchzuführen. Durch die Summierung aller genauen und falschen Vorhersagen konstruieren wir eineVerwirrungsmatrix, aus dem der Wert der Gleichgewichtsgenauigkeit ermittelt wird.

Code des Convolutional-Neuronal-Network-Modells:

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

In der dritten Phase des Experiments stellten die Forscher die bewässerten Tomaten 10 Tage lang in ein Gewächshaus, ohne sie erneut zu gießen.Sie verwendeten das obige CNN-Modell, um den Treibhauseffekt herauszufiltern.Jeden Tag wurde das Geräusch jeder Tomatenpflanze gezählt. Das Ergebnis ist in Abbildung 4 dargestellt. Direkt nach dem Gießen gab die Pflanze fast kein Geräusch von sich.Nach 4–6 Tagen sind die Schreie am lautesten.Dann, als die Dürre schlimmer wurde, wurden die Schreie weniger.

Abbildung 4: Aufnahme von Tomatenpflanzen, die aufgrund von Dürre im Gewächshaus schreien

Obwohl das Experiment zeigte, dass bestimmte Pflanzen unter Stress laut schreien können, haben die Forscher auchFür die weitere Erforschung in der Zukunft werden mehrere Richtungen vorgeschlagen:

*  Pflanzenklangmechanismus:Das Team geht davon aus, dass der zugrundeliegende Mechanismus der Pflanzengeräuscherzeugung ein Phänomen namens „Kavitation“ in den Rhizomen sein könnte.

*  Intensivierung der Forschung zu Umweltbedingungen, Stressbedingungen und Pflanzenarten:In Zukunft könnten Pflanzengeräusche in Umgebungen mit stärkerem Hintergrundgeräusch wie Feldern analysiert werden. Pflanzenarten aus verschiedenen Familien konnten getestet werden; und andere Stressumgebungen könnten untersucht werden, darunter verschiedene Krankheitserreger, Kälte, Angriffe von Pflanzenfressern, UV-Strahlung und verschiedene Lebensstadien von Pflanzenarten.

*  Anpassungsfähige Reaktionen von Pflanzen auf Geräusche:In Zukunft lässt sich erforschen, ob andere Organismen diese Geräusche bereits klassifizieren und darauf reagieren können.

KI ist bodenständig: Die Erforschung von Pflanzengeräuschen soll die landwirtschaftliche Entwicklung fördern

Lilach Hadany, Evolutionsbiologin an der Universität Tel Aviv und Mitautorin dieses Artikels, sagte in einem Interview zu den Forschungsergebnissen: „Diese Forschung wird die visuelle Überwachung von Pflanzen nicht ersetzen. Die Kombination der beiden Nachweismethoden dürfte für die Untersuchung von Pflanzen förderlicher sein. Gleichzeitig haben wir ein Patent für die Nutzung akustischer Informationen zur Anpassung der Bewässerungsrichtung von Pflanzen angemeldet. Manche Tiere wie Motten, Fledermäuse und Mäuse können die Geräusche der Pflanzen hören. Aber wir müssen noch verstehen, was in der Natur passiert.“Welche Pflanzen und Tiere reagieren auf diese Geräusche?Wir untersuchen dies derzeit und hoffen, innerhalb einiger Jahre eine Antwort zu haben. " 

Der Autor sagte weiter, dass die Forschung auf diesem Gebiet für die Landwirtschaft hilfreich sein könnte. Laut den Prognosedaten der Vereinten Nationen zu Bevölkerung und HungerBis 2050 wird die Weltbevölkerung um weitere zwei Milliarden Menschen anwachsen und die landwirtschaftliche Produktivität muss um 601 TP3T gesteigert werden, um ausreichend Nahrungsmittel bereitzustellen.Da die Landwirtschaft mit zahlreichen Herausforderungen wie der globalen Erwärmung, dem Bevölkerungswachstum und der Ernährungssicherheit konfrontiert ist, haben Wissenschaftler ihre Aufmerksamkeit zunehmend auf die KI gerichtet und erkannt, dass sie ein nützliches Instrument zur Verbesserung der landwirtschaftlichen Effizienz und der nachhaltigen Entwicklung darstellt.

Kombiniert mit bisherigen Forschungsergebnissen kann KI zur Schädlings- und Krankheitsbekämpfung, zur Optimierung des Pflanzenwachstums, zur präzisen Düngung und Bewässerung usw. eingesetzt werden. Dadurch können nicht nur die landwirtschaftlichen Erträge und die Qualität gesteigert, sondern auch die Umwelt geschützt und Wasserverschwendung sowie die chemische Verschmutzung verringert werden.

Referenzlinks:

[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

Dieser Artikel wurde zuerst auf der öffentlichen HyperAI WeChat-Plattform veröffentlicht~