內(nèi)容一覽：過去，人類在植物對(duì)外界感知應(yīng)變能力的研究，大多停留在釋放有機(jī)化合物、光電信號(hào)的傳遞上，最近一項(xiàng)研究表明植物還可以通過聲波傳遞信息。近期，以色列特拉維夫大學(xué)研究人員通過機(jī)器學(xué)習(xí)，證實(shí)了植物在面對(duì)缺水、生存壓力時(shí)會(huì)發(fā)出高頻「尖叫」，目前這一成果已發(fā)布在《Cell》期刊上。

關(guān)鍵詞：農(nóng)學(xué)???支持向量機(jī)??卷神經(jīng)網(wǎng)絡(luò)

本文首發(fā)自 HyperAI 超神經(jīng)微信公眾平臺(tái)~

自然界的不良環(huán)境，包括地理位置、氣候條件和人類活動(dòng)等多個(gè)方面因素，會(huì)對(duì)植物造成危害，這些危害被稱為困境或脅迫 (Stress)。例如植物干旱缺水時(shí)，負(fù)責(zé)輸送水分的木質(zhì)部會(huì)形成氣泡，氣泡不斷膨脹乃至爆裂，便會(huì)出現(xiàn)空穴現(xiàn)象。這一現(xiàn)象又讓植物體內(nèi)的應(yīng)力（循環(huán)應(yīng)力，Cyclic Stress）重新分布，當(dāng)應(yīng)力在一個(gè)部位集中起來，就有可能快速釋放出大量的能量——機(jī)械能轉(zhuǎn)化為聲能，這個(gè)過程被稱作聲發(fā)射 (Acoustic Emission, AE)。

不過，用聲發(fā)射來檢測植物時(shí)，通常需要把傳感器直接連在被測植物上。所以，過往科學(xué)家雖然也能檢測到植物的聲音，但聲波都是依靠植物本身傳播，再被設(shè)備接收到，不能證明外界也能聽到。

最新研究中，以色列特拉維夫大學(xué) (Tel-Aviv University) 的研究人員結(jié)合實(shí)驗(yàn)室觀測與機(jī)器學(xué)習(xí)，證明了番茄與煙草植物在脅迫環(huán)境下發(fā)出的超聲波能在空氣中傳播，并通過訓(xùn)練機(jī)器學(xué)習(xí)模型成功分辨出不同植物在面對(duì) 2 種脅迫環(huán)境所發(fā)出的不同聲音。目前，該研究成果已發(fā)表在《Cell》期刊上，標(biāo)題為「Sounds emitted by plants under stress are airborne and informative」。

論文地址：

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

實(shí)驗(yàn)概述

本論文作者接受采訪時(shí)，介紹了本實(shí)驗(yàn)過程及成果。

本次實(shí)驗(yàn)對(duì)象為番茄和煙草，分為干旱、莖被剪斷、對(duì)照 3 組。其中，對(duì)照組又分為常態(tài)生長、盆里只有土沒有植物和每株植物的前后對(duì)照 3 種情況。整個(gè)實(shí)驗(yàn)共分為 3 個(gè)階段：

第一階段，將實(shí)驗(yàn)對(duì)象放在隔音箱中，在距離實(shí)驗(yàn)對(duì)象 10cm 的地方放 2 只可接收 20 到 100 千赫范圍內(nèi)超聲波的特殊麥克風(fēng)，分別收集植物不同情況下的聲音。

第二階段，將隔音箱放置在一個(gè)嘈雜的溫室環(huán)境中，用訓(xùn)練好的模型識(shí)別噪音和不同環(huán)境下植物的聲音。

第三階段，探究植物發(fā)聲和干旱程度的關(guān)系，同時(shí)記錄了其他種類植物的聲音狀態(tài)。

實(shí)驗(yàn)結(jié)果表明，這些植物發(fā)出了頻率在 40 千赫至 80 千赫的聲音（成年人能聽到的最高頻率約為 16 千赫）。其中，當(dāng)植物在一切正常、未受到任何壓力時(shí)，每小時(shí)發(fā)出的聲音不超過 1 次；而缺水或被剪斷時(shí)，每小時(shí)發(fā)出的聲音約為 30-50 次，甚至在 3-5 公尺之外都能檢測到，堪比人類高聲「尖叫」。

壓力環(huán)境下植物聲音數(shù)據(jù)集

發(fā)布機(jī)構(gòu)：以色列特拉維夫大學(xué)

數(shù)據(jù)類型：WAV 格式

預(yù)估大小：10?M

發(fā)布時(shí)間：2023 年

下載地址：hyper.ai/datasets/24542

模型訓(xùn)練及結(jié)果

實(shí)驗(yàn)第一階段，研究人員將實(shí)驗(yàn)過程中記錄的 5,483 段聲音音頻，收集為一個(gè)小型植物聲音數(shù)據(jù)集。他們專門開發(fā)了機(jī)器學(xué)習(xí)模型，根據(jù)植物發(fā)出的聲音識(shí)別不同狀況（是否干旱和被剪斷）。

首先，研究人員訓(xùn)練了支持向量機(jī) (Support Vector Machine, SVM) 模型。他們將聲音分為 4 組，每組包含 2 種植物類型（番茄和煙草）和 2 種處理方法（干旱或剪切）用于訓(xùn)練模型。為了進(jìn)行交叉驗(yàn)證，模型只在沒有參與訓(xùn)練過程的植物上進(jìn)行測試，并運(yùn)用了 3 種特征提取方法，分別是基本特征提取 (Basic)、梅爾倒譜系數(shù)特征提取 (MFCC) 和散射網(wǎng)絡(luò)（Scattering network）。

實(shí)驗(yàn)結(jié)果如圖所示，基于散射網(wǎng)絡(luò)的 SVM 能成功識(shí)別出干旱和被剪斷植物，并且準(zhǔn)確率在 70% 左右。

實(shí)驗(yàn)第二階段，研究人員首先收集了一份溫室中的聲音，其次訓(xùn)練了一個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型用以區(qū)分自然界的噪音（風(fēng)聲、雨聲、建筑聲等）和干旱番茄的聲音。實(shí)驗(yàn)過程及結(jié)果如圖 3 所示，該模型識(shí)別分辨準(zhǔn)確率高達(dá) 99.7%。

(a) 研究人員連續(xù)記錄了幾天沒有植物的空溫室的噪音，用于訓(xùn)練機(jī)器模型。

(b) 記錄番茄在溫室中發(fā)出的聲音，用機(jī)器模型過濾，只留下番茄發(fā)出的聲音。

(c) 混淆矩陣顯示模型能成功區(qū)分番茄聲音及溫室噪音，準(zhǔn)確度在 99.7% 左右。

(d) 混淆矩陣顯示模型能區(qū)分出干旱/不干旱番茄，準(zhǔn)確率在 84% 左右。

• 在驗(yàn)證階段，研究人員采用留一法交叉驗(yàn)證?(Leave-One-Person-Out cross validation, LOPO-CV)?對(duì)訓(xùn)練模型進(jìn)行穩(wěn)健評(píng)估。通過對(duì)所有準(zhǔn)確和錯(cuò)誤的預(yù)測求和來構(gòu)建一個(gè)混淆矩陣?(Confusion Matrix)，從中得出平衡準(zhǔn)確率的數(shù)值。

卷積神經(jīng)網(wǎng)絡(luò)模型代碼：

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

實(shí)驗(yàn)第三階段，研究人員將澆過水的番茄放置在溫室中 10 天，期間沒有再澆水。他們使用上述 CNN 模型過濾掉溫室噪音，并且統(tǒng)計(jì)了每天每株番茄的聲音，結(jié)果如圖 4 顯示，剛澆水后植物幾乎沒有發(fā)出聲音，直到 4-6 天時(shí)尖叫聲最大，而后隨著干旱程度加劇尖叫聲減少。

不過，即便整個(gè)實(shí)驗(yàn)揭示了特定植物能夠在脅迫環(huán)境下能夠大聲「尖叫」，但研究人員也提出了未來可以進(jìn)一步探索的幾個(gè)方向：

*??植物發(fā)聲機(jī)制：團(tuán)隊(duì)預(yù)測植物潛在的發(fā)聲機(jī)制可能是是根莖中的「空穴化」現(xiàn)象。

*??增加環(huán)境條件、脅迫條件與植物種類的研究：未來可以在有更多背景噪音的田間等環(huán)境分析植物聲音；可以對(duì)來自不同科的植物物種進(jìn)行測試；也可以研究其他脅迫環(huán)境，包括不同的病原體、寒冷、食草動(dòng)物攻擊、紫外線輻射和植物物種的不同生命階段。

*?植物對(duì)聲音的適應(yīng)性反應(yīng)：未來可以探究其他生物是否已經(jīng)可以對(duì)這些聲音進(jìn)行分類并做出應(yīng)對(duì)。

AI 接「地氣」：探究植物發(fā)聲助推農(nóng)業(yè)發(fā)展

對(duì)于本項(xiàng)研究成果，特拉維夫大學(xué)進(jìn)化生物學(xué)家 Lilach Hadany 也是本文的作者之一，在一次采訪中表示：「此項(xiàng)研究并不會(huì)取代對(duì)植物的視覺監(jiān)測，并且兩種檢測方式相結(jié)合，有望更利于研究植物。同時(shí)，我們已經(jīng)申請使用聲學(xué)信息來調(diào)整植物灌溉方向的專利。植物發(fā)出的聲音，某些動(dòng)物，如飛蛾、蝙蝠和老鼠，都可以聽到。但我們?nèi)匀恍枰私庠谧匀唤缰校?strong>有哪些動(dòng)植物會(huì)對(duì)這些聲音做出反應(yīng)。我們目前正在對(duì)此進(jìn)行研究，希望能在幾年內(nèi)得到答案?！?

該作者進(jìn)一步談道，這方面的探究或?qū)r(nóng)業(yè)有所幫助。根據(jù)聯(lián)合國關(guān)于人口與饑餓問題的預(yù)測數(shù)據(jù)，到 2050 年，全球人口將進(jìn)一步增加 20 億，農(nóng)業(yè)生產(chǎn)力需要提高 60% 才能提供充足的食物。而隨著農(nóng)業(yè)面臨全球變暖、人口增加、糧食安全等多重挑戰(zhàn)，科學(xué)家們逐步將目光放到 AI 身上，并意識(shí)它是提高農(nóng)業(yè)效率可持續(xù)發(fā)展的有利工具。

結(jié)合過往研究，AI 可以用于管理病蟲害、優(yōu)化作物生長、精準(zhǔn)施肥與灌溉等，既能增加農(nóng)業(yè)產(chǎn)量與質(zhì)量，又可以保護(hù)環(huán)境、減少水資源浪費(fèi)與化學(xué)污染。

參考鏈接：

[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

本文首發(fā)自 HyperAI 超神經(jīng)微信公眾平臺(tái)~