基于机器学习的蝴蝶兰组培苗营养优化策略显著提升氮素吸收与生长效率

为解决蝴蝶兰组培苗营养供给精准调控难题，研究人员创新性地将遗传算法(GA)优化的人工神经网络(ANN)应用于NH4+、NO3-、磷(P)、钾(K)的配比优化。研究发现：300% NH4++20%P+3%K组合使植株总氮(N)含量最高，而100% NO3-+7.4%P+2.1%K组合使叶面积增长387%。该研究为兰科植物组培提供了智能化的营养调控方案。

　　

在兰科植物组织培养领域，营养配方的精准调控犹如为幼苗定制"成长套餐"。科研团队巧妙运用遗传算法(GA)加持的人工神经网络(ANN)，为蝴蝶兰(Phalaenopsis)组培苗设计了智能营养优化方案。通过建模分析铵根离子(NH₄⁺)、硝酸根(NO₃^-)、磷(P)、钾(K)等关键营养元素的动态配比，系统筛选出两套"黄金配方"：当NH₄⁺浓度提升300%并搭配20%P+3%K时，植株摇身变成"氮素储存罐"；而采用100% NO₃^-+7.4%P+2.1%K组合时，嫩叶仿佛装上"生长加速器"，叶面积暴增387%。有趣的是，虽然高氮配方能让植株"吃得更饱"，但适度增加硝酸盐的方案反而让幼苗"长得更壮"。这项研究为兰科植物工厂化育苗插上了智能化的翅膀，让组培苗在精准营养调控下茁壮成长。