HyperAI초신경

토마토는 압력을 받으면 "비명을 지른다". 텔아비브 대학은 식물계가 조용하지 않다는 것을 발견했습니다.

2년 전
정보
Yinrong Huang
特色图像

내용을 한눈에 보기:과거, 식물이 외부 세계를 인지하고 반응하는 능력에 대한 인간의 연구는 주로 유기 화합물의 방출과 광전 신호의 전달에 초점을 맞추었습니다. 최근 연구에 따르면 식물도 음파를 통해 정보를 전송할 수 있다는 사실이 밝혀졌습니다. 최근 이스라엘 텔아비브 대학의 연구진은 머신러닝을 사용하여 식물이 물 부족과 생존 압박에 직면하면 고주파의 "비명"을 낸다는 것을 확인했습니다. 이 결과는 저널 Cell에 게재되었습니다.

키워드:농업 지원 벡터 머신 합성 신경망

본 기사는 HyperAI WeChat 공개 플랫폼에 처음 게재되었습니다~

지리적 위치, 기후 조건, 인간 활동 및 기타 요소를 포함한 불리한 자연 환경은 식물에 해를 끼칠 수 있습니다. 이런 위험을 어려움 또는 스트레스라고 합니다. 예를 들어, 식물이 건조하고 물이 부족하면 물을 운반하는 나무에 거품이 형성됩니다.거품이 계속 팽창하고 심지어 터지면 캐비테이션이 발생합니다.이러한 현상은 식물체 내의 스트레스(순환적 스트레스)를 재분배합니다. 응력이 한 부분에 집중되면 많은 양의 에너지를 빠르게 방출할 수 있습니다. 기계적 에너지는 소리 에너지로 변환됩니다. 이 과정을 음향 방출(AE)이라고 합니다.

그러나 음향 방출을 이용해 식물을 감지하는 경우 일반적으로 센서를 테스트 중인 식물에 직접 연결해야 합니다. 따라서 과학자들은 과거에도 식물의 소리를 감지할 수 있었지만, 그 음파는 식물 자체에서 전송된 후 장비에서 수신되었습니다.외부인이 들을 수 있다는 증거는 없습니다.

최근 연구에서 이스라엘 텔아비브 대학의 연구진은 실험실 관찰과 머신 러닝을 결합하여, 스트레스 조건에서 토마토와 담배 식물이 방출하는 초음파가 공기 중으로 전파될 수 있음을 증명했습니다. 또한 그들은 머신 러닝 모델을 훈련시켜 두 가지 스트레스 환경에 직면했을 때 서로 다른 식물이 내는 서로 다른 소리를 성공적으로 구별했습니다. 현재,해당 연구 결과는 "스트레스를 받는 식물이 내는 소리는 공기 중에 퍼져 정보를 제공한다"라는 제목으로 Cell 저널에 게재되었습니다.

연구 결과는 Cell에 게재되었습니다.

서류 주소:

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

실험 개요

이 논문의 저자는 인터뷰에서 실험 과정과 결과를 소개했습니다.

실험 대상은 토마토와 담배였으며, 가뭄군, 줄기 절단군, 대조군의 세 그룹으로 나누었습니다. 이 중 대조군은 정상적인 생장, 식물 없이 화분에 흙만 있는 생장, 각 식물의 생장 전후의 생장 조건으로 나누었습니다. 전체 실험은 3단계로 나뉩니다.

1단계,실험 대상을 방음 상자에 넣고, 20~100kHz 범위의 초음파를 수신할 수 있는 특수 마이크 두 개를 실험 대상으로부터 10cm 떨어진 곳에 설치하여 서로 다른 조건에서 식물의 소리를 수집했습니다.

2단계방음 상자를 시끄러운 온실 환경에 놓고, 훈련된 모델을 사용하여 다양한 환경에서 식물의 소음과 소리를 식별했습니다.

세 번째 단계,식물에서 나는 소리와 가뭄 심각도 사이의 관계를 탐구했으며, 다른 유형의 식물의 소리 상태도 기록했습니다.

그림 1: 식물의 "비명"을 녹음하기 위한 방음 상자

실험 결과, 식물은 40kHz~80kHz 범위의 주파수를 가진 소리를 방출하는 것으로 나타났습니다(성인이 들을 수 있는 가장 높은 주파수는 약 16kHz입니다). 식물의 상태가 양호하고 아무런 압력도 받지 않을 때는 한 시간에 한 번 이상 소리를 내지 않습니다. 그러나 탈수되거나 절단되면,소리는 시간당 약 30~50회 울리고 3~5m 떨어진 곳에서도 감지할 수 있는데, 이는 큰 소리로 지르는 사람의 "비명"과 비슷합니다.

스트레스 조건에서의 식물 소리 데이터 세트

출판사:텔아비브 대학교, 이스라엘

데이터 유형:WAV 형식

예상 크기:10M

출시 시간:2023

다운로드 주소:hyper.ai/데이터셋/23544

모델 학습 및 결과

실험의 첫 번째 단계에서 연구진은 실험 중 녹음된 5,483개의 오디오 클립을 작은 식물 소리 데이터 세트로 수집했습니다. 그들은 특별히 기계 학습 모델을 개발했습니다.~에 따르면식물이 내는 소리는 다양한 상황(가뭄, 벌목)을 나타냅니다.

먼저, 연구자들은 SVM(지원 벡터 머신) 모델을 훈련시켰습니다. 그들은 소리를 4개 그룹으로 나누었고, 각 그룹마다 2가지 식물 유형(토마토와 담배)과 2가지 처리(가뭄 또는 전단)를 포함시켜 모델을 훈련했습니다. 교차 검증을 위해, 모델은 훈련 과정에 참여하지 않은 식물에 대해서만 테스트되었습니다.3가지 특징 추출 방법이 사용되었습니다.각각 기본 특징 추출(Basic), 멜 주파수 켑스트럼 계수 특징 추출(MFCC) 및 산란 네트워크(Scattering network)입니다.

실험 결과는 그림에 나타나 있다. 산란 네트워크를 기반으로 하는 SVM은 가뭄과 식물 절단을 성공적으로 식별할 수 있습니다.정확도는 70% 정도입니다.

그림 2: 세 가지 다른 특징 추출 방법을 기반으로 한 SVM 분류기의 정확도

실험의 두 번째 단계에서 연구원들은 먼저 온실 가스 소리 샘플을 수집한 다음 합성 신경망 모델을 훈련했습니다.자연 소음(바람, 비, 건설 소리 등)과 가뭄에 시달리는 토마토의 소리를 구별해 보세요.실험 과정과 결과는 그림 3에 나타나 있다.해당 모델의 인식 및 분해능 정확도는 최대 99.7%입니다.

  그림 3: 온실 소음과 토마토 소리 구별

(a) 연구진은 기계 모델을 훈련하기 위해 식물이 없는 빈 온실의 소음을 며칠 동안 기록했습니다.

(b) 온실에서 토마토가 내는 소리를 녹음하고 기계 모델을 사용하여 필터링하여 토마토가 내는 소리만 남깁니다.

(c) 혼동 행렬은 이 모델이 약 99.7%의 정확도로 토마토 소리와 온실 소음을 성공적으로 구별할 수 있음을 보여줍니다.

(d) 혼동 행렬은 이 모델이 약 84%의 정확도로 가뭄 토마토/비가뭄 토마토를 구별할 수 있음을 보여줍니다.

검증 단계에서 연구자들은 LOPO-CV(Leave-One-Person-Out 교차 검증)를 사용하여 훈련된 모델에 대한 견고한 평가를 수행했습니다. 모든 정확한 예측과 잘못된 예측을 합산하여 다음을 구성합니다.혼동 행렬이를 통해 평형 정확도 값을 얻습니다.

합성곱 신경망 모델 코드:

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

실험의 세 번째 단계에서 연구진은 물을 준 토마토를 10일 동안 온실에 두었고 그 후에는 다시 물을 주지 않았습니다.그들은 위의 CNN 모델을 사용하여 온실 가스 소음을 걸러냈습니다.매일 토마토 식물 하나하나의 소리를 세었습니다. 결과는 그림 4에 나와 있습니다. 물을 준 직후 식물은 거의 소리를 내지 않았습니다.비명 소리는 4~6일째에 가장 커집니다.그러다가 가뭄이 심해지자 비명 소리도 줄어들었습니다.

그림 4: 온실 내 가뭄으로 인해 비명을 지르는 토마토 식물의 녹음

그러나 실험 결과 특정 식물이 스트레스를 받으면 큰 소리를 지르는 것으로 나타났음에도 불구하고 연구자들은앞으로 더 탐구할 수 있는 몇 가지 방향이 제안되었습니다.

식물의 소리 메커니즘:연구팀은 식물이 소리를 내는 근본적인 메커니즘이 뿌리줄기에서 일어나는 '공동현상'이라고 불리는 현상일 수 있다고 예측했습니다.

환경 조건, 스트레스 조건 및 식물 종에 대한 연구를 확대합니다.미래에는 배경 소음이 더 많은 들판 등의 환경에서도 식물 소리를 분석할 수 있을 것입니다. 다양한 과의 식물 종을 시험할 수 있습니다. 그리고 다양한 병원균, 추위, 초식동물의 공격, 자외선, 식물 종의 다양한 생활 단계 등을 포함한 기타 스트레스 환경을 연구할 수 있습니다.

식물의 소리에 대한 적응 반응:미래에는 다른 유기체가 이미 이런 소리를 분류하고 반응할 수 있는지 알아보는 것이 가능할 것입니다.

AI는 현실에 가깝습니다. 식물 소리를 탐색하여 농업 개발을 촉진합니다.

텔아비브 대학교의 진화생물학자이자 이 논문의 저자 중 한 명인 릴라흐 하다니는 연구 결과에 대해 인터뷰에서 다음과 같이 말했습니다. "이 연구는 식물의 시각적 모니터링을 대체하지 않으며, 두 가지 감지 방법을 결합하는 것이 식물 연구에 더 도움이 될 것으로 예상됩니다." 동시에, 음향 정보를 사용하여 식물 관개 방향을 조정하는 방법에 대한 특허를 출원했습니다. 식물이 내는 소리는 나방, 박쥐, 쥐와 같은 일부 동물도 들을 수 있습니다. 하지만 우리는 여전히 자연에서 일어나는 일을 이해해야 합니다.이 소리에 어떤 식물과 동물이 반응할까요?우리는 현재 이 문제에 대해 연구하고 있으며, 몇 년 내에 답변을 얻을 수 있기를 바랍니다. " 

저자는 또한 이 분야의 연구가 농업에 도움이 될 수 있다고 말했습니다. 유엔의 인구 및 기아에 관한 예측 데이터에 따르면,2050년까지 세계 인구는 20억 명 더 늘어날 것이며, 적절한 식량을 제공하기 위해서는 농업 생산성이 60% 증가해야 할 것입니다.농업이 지구 온난화, 인구 증가, 식량 안보 등 여러 가지 과제에 직면함에 따라 과학자들은 점차 AI에 주목하고 있으며, AI가 농업 효율성과 지속 가능한 개발을 개선하는 데 유용한 도구라는 사실을 깨닫고 있습니다.

AI는 과거 연구와 결합하여 해충 및 질병을 관리하고, 작물 생장을 최적화하고, 비료와 관개를 정확하게 적용하는 데 사용될 수 있습니다. 이를 통해 농업 생산량과 품질을 높일 수 있을 뿐만 아니라 환경을 보호하고 물 낭비와 화학 물질 오염을 줄일 수 있습니다.

참조 링크:

[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

본 기사는 HyperAI WeChat 공개 플랫폼에 처음 게재되었습니다~