トマトもプレッシャーで「悲鳴を上げる」、テルアビブ大学は植物界が黙っていないことを発見

内容の概要:これまで、植物の外界を感知する能力に関する人間の研究は主に有機化合物の放出と光電信号の伝達に焦点を当てていたが、最近の研究では植物が音波を通じて情報を伝達することもできることが示されている。最近、イスラエルのテルアビブ大学の研究者らは、植物が水不足や生存のプレッシャーに直面したときに高周波の「叫び声」を発することを機械学習を用いて確認し、この結果が雑誌『Cell』に掲載された。

キーワード:農学サポート ベクター マシン畳み込みニューラル ネットワーク

この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました~

地理的位置、気候条件、人間の活動、その他の要因を含む自然界の不利な環境は、植物に害を及ぼす可能性があり、これらの害はストレスまたはストレスと呼ばれます。たとえば、植物が乾燥して水分が不足すると、水を運ぶ役割を担う木部に気泡が形成されます。キャビテーションは、気泡が膨張し続け、さらには破裂するときに発生します。この現象は、プラント内の応力 (周期的応力) を再分配し、応力が 1 つの部分に集中すると、大量のエネルギーを急速に放出することができます。このプロセスは音響エネルギーと呼ばれます。放射 (AE)。

ただし、音響放射を使用して植物を検出する場合、通常はセンサーを測定対象の植物に直接接続する必要があります。したがって、過去の科学者は植物の音を検出することはできましたが、音波が伝播して装置に受信されるのは植物自体に依存していました。外の世界がそれを聞くことができるという証拠はありません。

最新の研究では、イスラエルのテルアビブ大学の研究者は、実験室観察と機械学習を組み合わせて、ストレスの多い条件下でトマトやタバコの植物が発する超音波が空気中を伝播する可能性があることを証明し、さまざまな音を区別する機械学習モデルのトレーニングに成功しました。 2 つのストレスの多い環境に直面したときに、異なる植物によって生成されます。現在のところ、研究結果は、「ストレス下で植物が発する音は空気中に伝わり、有益である」というタイトルで雑誌『Cell』に掲載された。

研究成果はCell誌に掲載されました

用紙のアドレス:

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

実験概要

この論文の著者がインタビューを受けたとき、彼は実験のプロセスと結果を紹介しました。

この実験の対象はトマトとタバコで、干ばつ群、茎切り群、対照群の 3 つのグループに分けられました。このうち対照区は、通常生育、植物なしで鉢土のみ、各植物の管理前後の３つの条件に分けた。実験全体は 3 つの段階に分かれています。

最初のステージは、実験対象者を防音箱の中に入れ、20～100キロヘルツの範囲の超音波を受信できる特殊なマイク2個を実験対象者から10cm離れたところに設置し、さまざまな環境下で植物の音を収集します。

第二段階、防音ボックスは騒々しい温室環境に設置され、トレーニングされたモデルはさまざまな環境の騒音と植物の音を識別するために使用されます。

第三段階、植物の鳴き声と干ばつのレベルの関係が調査され、他の種類の植物の鳴き声の状態も記録されました。

図1 植物の「叫び声」を録音する防音ボックス

実験結果は、これらの植物が40 kHzから80 kHzの周波数の音を発することを示しています（成人が聞くことができる最高周波数は約16 kHzです）。その中で、植物が正常な状態で圧力がかかっていない場合、水が不足したり切断されたりしても、1時間に1回しか音を出しません。その音は1時間に約30～50回あり、3～5メートル離れていても感知でき、これは人間の甲高い「叫び声」に匹敵します。

モデルのトレーニングと結果

実験の第 1 段階で、研究者らは実験中に録音された 5,483 個の音声セグメントを小さな植物音データセットに収集しました。彼らは特別に機械学習モデルを開発しました。によると植物が発する音によって、さまざまな状況（干ばつや剪定）が識別されます。

まず、研究者らはサポート ベクター マシン (SVM) モデルをトレーニングしました。彼らは音を 4 つのグループに分割し、各グループにはモデルをトレーニングするための 2 つの植物タイプ (トマトとタバコ) と 2 つの処理 (干ばつまたはせん断) が含まれていました。相互検証の場合、モデルはトレーニング プロセスに参加しなかったプラントでのみテストされます。3つの特徴抽出方法を使用しました、 はそれぞれ、基本特徴抽出 (Basic)、メル ケプストラル係数特徴抽出 (MFCC)、散乱ネットワーク (Scattering network) です。

実験結果を図に示します。散乱ネットワークに基づく SVM は、干ばつと切り取られた植物を首尾よく識別できます。そして精度は70%程度です。

図 2: 3 つの異なる特徴抽出方法に基づく SVM 分類器の精度

実験の第 2 段階では、研究者らはまず温室内の音のコピーを収集し、次に畳み込みニューラル ネットワーク モデルをトレーニングしました。自然の音 (風、雨、工事など) と干ばつに見舞われたトマトの音を区別します。実験プロセスと結果を図 3 に示します。このモデルの認識解像度精度は 99.7% と高いです。

  図 3: 温室の騒音とトマトの音の区別

(a) 研究者は、機械モデルをトレーニングするために、植物のない空の温室からの騒音を数日間記録しました。

(b) 温室内でトマトが発する音を録音し、機械モデルでフィルタリングして、トマトが発する音だけを残します。

(c) 混同行列は、モデルが約 99.7% の精度でトマトの音と温室の騒音をうまく区別できることを示しています。

(d) 混同行列は、このモデルが約 84% の精度で干ばつトマトと非干ばつトマトを区別できることを示しています。

検証フェーズでは、研究者らは Leave-One-People-Out 相互検証 (LOPO-CV) を使用して、トレーニングされたモデルを堅牢に評価しました。正確な予測と不正確な予測をすべて合計して 1 つを構築する混同マトリックス、そこからバランスのとれた精度の値が導出されます。

畳み込みニューラル ネットワーク モデル コード:

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

実験の第 3 段階では、研究者らは水を与えたトマトを再び水を与えずに 10 日間温室内に置きました。彼らは上記の CNN モデルを使用して温室効果のノイズを除去しました。そして、毎日の各トマトの苗の音を数えた結果を図 4 に示します。水やり直後は、トマトの苗はほとんど音を立てませんでした。叫び声は生後4～6日目までが最も大きくなります。その後、干ばつが悪化するにつれ、叫び声は減少した。

図 4: 温室内での干ばつの際のトマトの苗木の悲鳴の記録

しかし、実験全体を通じて、特定の植物がストレスの多い条件下で大声で「叫び声」を出すことができることが明らかになったにもかかわらず、研究者らはまた、将来的にさらに検討できるいくつかの方向性が提案されています。

*  植物の音の発生メカニズム：研究チームは、植物の潜在的な音発生メカニズムは、根茎の「キャビテーション」現象である可能性があると予測している。

*  環境条件、ストレス条件、植物種に関する研究を増やす:将来的には、さまざまな科のより多くの植物種が存在する環境で植物の音を分析したり、さまざまな病原体、寒さ、草食動物の攻撃、紫外線などのストレス環境を研究したりできる可能性があります。と植物 種のさまざまなライフステージ。

*  音に対する植物の適応反応:将来の研究では、他の生物がすでにこれらの音を分類して反応できるかどうかが調査される可能性があります。

AIが「大地のエネルギー」とつながる：植物の音を探り農業発展を促進

この研究の結果について、テルアビブ大学の進化生物学者であり、この記事の著者の一人でもあるライラック・ハダニー氏はインタビューで次のように述べた。この方法は植物の研究に優れていると期待されており、同時に、植物が発する音は、蛾やコウモリなどの一部の動物にも聞こえる音を発します。しかし、私たちは自然界で何が起こっているのかを理解する必要があります。この音にどのような動物や植物が反応するのか。私たちは現在これについて研究中であり、数年以内に答えが得られることを期待しています。 」 

著者はさらに、この分野の研究は農業に役立つ可能性があると述べた。国連の人口と飢餓の予測によると、2050 年までに、世界人口はさらに 20 億人増加し、十分な食料を供給するには農業生産性を 60% 増加させる必要があります。農業が地球温暖化、人口増加、食糧安全保障などの複数の課題に直面する中、科学者たちは徐々に AI に注目し、AI が農業の効率向上と持続可能な開発に有益なツールであることに気づきました。

過去の研究と組み合わせることで、AI を使用して害虫や病気の管理、作物の成長の最適化、正確な施肥と灌漑などを行うことができます。これにより、農業生産量と品質が向上するだけでなく、環境を保護し、水の無駄や化学汚染を削減することもできます。

参考リンク:

[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-pitch-ultrasonic-clicks-when-stressed-study-2023-3

この記事は、HyperAI Super Neural WeChat パブリック プラットフォームで初めて公開されました~