基于机器学习解析植物电信号的环境响应机制及其精准农业应用

为解决传统环境监测无法实时反映作物生理状态的难题，来自未知机构的研究团队创新性地利用生菜幼苗电信号（Plant electrical signals），结合高斯平滑（Gaussian smoothing）和决策树模型（Decision tree），实现了温度（F1=0.9778）与光照（F1=0.9316）环境的高精度分类，为作物特异性环境调控提供了新型生物传感器方案。

　　

在设施农业领域，环境调控长期依赖传统传感器数据，但这些数据难以捕捉作物的实时生理状态。生菜（Lactuca sativa）幼苗的茎秆被插入电极针后，其电信号如同植物的"神经语言"，通过高斯平滑（Gaussian smoothing）、移动平均（moving average）和峰峰值（peak-to-peak）方法去噪后，暴露出温度与光照胁迫下的特征指纹。研究人员巧妙运用机器学习算法，让原始信号和特征参数在决策树（Decision tree）模型中展开对话，最终在跨品种验证中仍保持0.9以上的F1值。这项研究如同给植物安装了生理状态解码器，为精准农业（Precision agriculture）的环境控制提供了活体生物传感器（Biosensor）新范式。