Les Tomates Crient Aussi Sous La Pression, L'université De Tel Aviv Constate Que Le Règne Végétal N'est Pas Silencieux

Contenu en un coup d'œil :Dans le passé, les recherches humaines sur la capacité des plantes à percevoir et à réagir au monde extérieur se concentraient principalement sur la libération de composés organiques et la transmission de signaux photoélectriques. Une étude récente a montré que les plantes peuvent également transmettre des informations par le biais d’ondes sonores. Récemment, des chercheurs de l’Université de Tel Aviv en Israël ont utilisé l’apprentissage automatique pour confirmer que les plantes émettent des « cris » à haute fréquence lorsqu’elles sont confrontées à une pénurie d’eau et à une pression de survie. Ce résultat a été publié dans la revue Cell.

Mots-clés:Réseau neuronal convolutif de machine à vecteurs de support agronomique

Cet article a été publié pour la première fois sur la plateforme publique HyperAI WeChat~

Les environnements naturels défavorables, notamment la situation géographique, les conditions climatiques, les activités humaines et d’autres facteurs, peuvent nuire aux plantes. Ces dangers sont appelés difficultés ou stress. Par exemple, lorsque les plantes sont sèches et manquent d’eau, des bulles se forment dans le bois qui est responsable du transport de l’eau.Lorsque les bulles continuent de se dilater et même d’éclater, une cavitation se produit.Ce phénomène redistribue le stress (stress cyclique) dans le corps de la plante. Lorsque la contrainte est concentrée sur une partie, il est possible de libérer rapidement une grande quantité d'énergie : l'énergie mécanique est convertie en énergie sonore. Ce processus est appelé émission acoustique (EA).

Cependant, lors de l’utilisation de l’émission acoustique pour détecter les plantes, il est généralement nécessaire de connecter le capteur directement à la plante testée. Ainsi, bien que les scientifiques aient pu détecter les sons des plantes dans le passé, les ondes sonores étaient transmises par les plantes elles-mêmes puis reçues par l’équipement.Il n’y a aucune preuve que des personnes extérieures puissent l’entendre.

Dans la dernière étude, des chercheurs de l’Université de Tel-Aviv en Israël ont combiné des observations en laboratoire avec l’apprentissage automatique pour prouver que les ondes ultrasonores émises par les plants de tomates et de tabac dans des conditions de stress peuvent se propager dans l’air. Ils ont également réussi à distinguer les différents sons émis par différentes plantes lorsqu’elles sont confrontées à deux environnements stressants en formant un modèle d’apprentissage automatique. à l'heure actuelle,Les résultats de la recherche ont été publiés dans la revue Cell, intitulée « Les sons émis par les plantes stressées sont aériens et informatifs ».

Les résultats de la recherche ont été publiés dans Cell

Adresse du document :

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

Aperçu de l'expérience

Lors de l’interview, l’auteur de cet article a présenté le processus expérimental et les résultats.

Les sujets expérimentaux étaient des tomates et du tabac, qui ont été divisés en trois groupes : sécheresse, coupe de tige et contrôle. Parmi eux, le groupe témoin a été divisé en trois conditions : croissance normale, uniquement de la terre dans le pot sans plantes, et avant et après contrôle de chaque plante. L'ensemble de l'expérience est divisé en 3 étapes :

Phase I,Les sujets expérimentaux ont été placés dans une boîte insonorisée et deux microphones spéciaux capables de recevoir des ondes ultrasonores dans la gamme de 20 à 100 kHz ont été placés à 10 cm des sujets expérimentaux pour recueillir les sons des plantes dans différentes conditions.

Phase II,La boîte insonorisée a été placée dans un environnement de serre bruyant et le modèle formé a été utilisé pour identifier le bruit et les sons des plantes dans différents environnements.

La troisième étape,La relation entre la production sonore des plantes et la gravité de la sécheresse a été explorée, et l’état sonore d’autres types de plantes a également été enregistré.

Figure 1 : Caisson insonorisé pour l'enregistrement des « cris » des plantes

Les résultats expérimentaux ont montré que les plantes émettaient des sons dont les fréquences s’échelonnaient de 40 kHz à 80 kHz (la fréquence la plus élevée audible par les adultes est d’environ 16 kHz). Lorsque la plante est en bon état et n’est soumise à aucune pression, elle n’émet pas plus d’un bruit par heure. Cependant, lorsqu'il est déshydraté ou coupé,Le son est émis environ 30 à 50 fois par heure et peut être détecté même à 3 à 5 mètres de distance, comparable à un « cri » humain fort.

Formation du modèle et résultats

Dans la première phase de l’expérience, les chercheurs ont collecté 5 483 clips audio enregistrés pendant l’expérience dans un petit ensemble de données sonores de plantes. Ils ont développé un modèle d’apprentissage automatique spécifiquement pourselonLes sons émis par les plantes identifient différentes conditions (sécheresse et coupe).

Tout d’abord, les chercheurs ont formé un modèle de machine à vecteurs de support (SVM). Ils ont divisé les sons en 4 groupes, chacun contenant 2 types de plantes (tomate et tabac) et 2 traitements (sécheresse ou cisaillement) pour entraîner le modèle. Pour la validation croisée, les modèles ont été testés uniquement sur des plantes qui n’avaient pas participé au processus de formation.Trois méthodes d’extraction de caractéristiques ont été utilisées, sont respectivement l'extraction de caractéristiques de base (Basic), l'extraction de caractéristiques de coefficient cepstral de fréquence Mel (MFCC) et le réseau de diffusion (Scattering network).

Les résultats expérimentaux sont présentés dans la figure. Le SVM basé sur le réseau de diffusion peut identifier avec succès la sécheresse et couper les plantes.Et la précision est d'environ 70%.

Figure 2 : Précision des classificateurs SVM basés sur trois méthodes d'extraction de caractéristiques différentes

Dans la deuxième phase de l'expérience, les chercheurs ont d'abord collecté un échantillon de sons de serre, puis ont formé un modèle de réseau neuronal convolutif pourDistinguer les bruits naturels (vent, pluie, travaux, etc.) et les bruits des tomates sujettes à la sécheresse.Le processus expérimental et les résultats sont présentés dans la figure 3.La précision de reconnaissance et de résolution du modèle atteint 99,7%.

  Figure 3 : Distinguer le bruit de serre des bruits de tomates

(a) Les chercheurs ont enregistré le bruit d’une serre vide sans plantes pendant plusieurs jours pour entraîner le modèle de la machine.

(b) Enregistrez les sons émis par les tomates dans une serre et filtrez-les à l’aide d’un modèle de machine, en ne laissant que les sons émis par les tomates.

(c) La matrice de confusion montre que le modèle peut distinguer avec succès les sons des tomates et le bruit des serres avec une précision d'environ 99,7%.

(d) La matrice de confusion montre que le modèle peut distinguer les tomates sèches/non sèches avec une précision d'environ 84%.

Au cours de la phase de validation, les chercheurs ont utilisé la validation croisée Leave-One-Person-Out (LOPO-CV) pour effectuer une évaluation robuste du modèle formé. En additionnant toutes les prédictions exactes et incorrectes, nous construisons unMatrice de confusion, à partir de laquelle la valeur de la précision d'équilibre est obtenue.

Code du modèle de réseau neuronal convolutif :

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

Dans la troisième phase de l’expérience, les chercheurs ont placé les tomates arrosées dans une serre pendant 10 jours sans les arroser à nouveau.Ils ont utilisé le modèle CNN ci-dessus pour filtrer le bruit de serre.Le bruit de chaque plant de tomate était compté chaque jour. Le résultat est présenté dans la figure 4. La plante n’a émis presque aucun bruit juste après l’arrosage.Les cris sont les plus forts entre 4 et 6 jours.Puis, à mesure que la sécheresse s’aggravait, les cris diminuaient.

Figure 4 : Enregistrement de plants de tomates hurlant à cause de la sécheresse dans la serre

Cependant, même si l'expérience a révélé que certaines plantes peuvent crier fort en cas de stress, les chercheurs ont égalementPlusieurs directions d’exploration future sont proposées :

*  Mécanisme sonore des plantes :L'équipe prédit que le mécanisme sous-jacent à la production de sons par les plantes pourrait être un phénomène appelé « cavitation » dans les rhizomes.

*  Accroître la recherche sur les conditions environnementales, les conditions de stress et les espèces végétales :À l’avenir, les sons des plantes pourraient être analysés dans des environnements tels que des champs avec davantage de bruit de fond ; des espèces végétales de différentes familles pourraient être testées ; et d’autres environnements de stress pourraient être étudiés, notamment différents agents pathogènes, le froid, les attaques d’herbivores, les rayons UV et les différents stades de vie des espèces végétales.

*  Réponses adaptatives des plantes au son :À l’avenir, il sera possible d’explorer si d’autres organismes peuvent déjà classer et réagir à ces sons.

L'IA est terre-à-terre : explorer les sons des plantes pour stimuler le développement agricole

Concernant les résultats de la recherche, Lilach Hadany, biologiste évolutionniste à l'Université de Tel Aviv et l'une des auteures de cet article, a déclaré lors d'une interview : « Cette recherche ne remplacera pas la surveillance visuelle des plantes, et la combinaison des deux méthodes de détection devrait être plus propice à l'étude des plantes. Parallèlement, nous avons déposé un brevet pour l'utilisation d'informations acoustiques afin d'ajuster la direction de l'irrigation des plantes. Les sons émis par les plantes peuvent être entendus par certains animaux, comme les papillons de nuit, les chauves-souris et les souris. Mais nous devons encore comprendre ce qui se passe dans la nature. »Quelles plantes et quels animaux réagissent à ces sons ?Nous menons actuellement des recherches sur ce sujet et espérons avoir une réponse d’ici quelques années. " 

L’auteur a également déclaré que la recherche dans ce domaine pourrait être utile à l’agriculture. Selon les données prévisionnelles des Nations Unies sur la population et la faim,D’ici 2050, la population mondiale aura augmenté de 2 milliards de personnes supplémentaires et la productivité agricole devra augmenter de 60% pour fournir une alimentation adéquate.Alors que l’agriculture est confrontée à de multiples défis tels que le réchauffement climatique, la croissance démographique et la sécurité alimentaire, les scientifiques se sont progressivement tournés vers l’IA et ont réalisé qu’il s’agissait d’un outil utile pour améliorer l’efficacité agricole et le développement durable.

Combinée aux recherches antérieures, l'IA peut être utilisée pour gérer les parasites et les maladies, optimiser la croissance des cultures, appliquer avec précision les engrais et l'irrigation, etc., ce qui peut non seulement augmenter la production et la qualité agricoles, mais également protéger l'environnement et réduire le gaspillage d'eau et la pollution chimique.

Liens de référence :

[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

Cet article a été publié pour la première fois sur la plateforme publique HyperAI WeChat~