机器学习区分植物生物电记录与没有附近的人类运动
Peter A Gloor1,2,3, Moritz Weinbeer4
1Galaxylabs.org, Laurenzenvorstadt 69, CH-5000 Aarau, Switzerland.
Biomimetics (Basel, Switzerland)
|November 26, 2025
概括
当人类在附近移动时,植物表现出微妙,可测量的生物电变化. 机器学习模型检测到这些植物信号差异,尽管确切原因尚不清楚.
科学领域:
- 植物电生理学 植物电生理学
- 植物中的生物电信号.
- 人与植物的相互作用
背景情况:
- 由于低振幅信号和环境干扰,很难在人类运动附近检测植物生物电差异.
- 之前的研究还没有定量评估植物对人类活动的反应.
研究的目的:
- 量化评估植物是否表现出可测量的生物电差异,以应对附近的人类运动.
- 探索机器学习在不同近距离条件下区分植物生物电信号方面的潜力.
主要方法:
- 使用142赫兹的叶子和土壤电极记录了2978种植物 (大,沙拉,西红) 的生物电活动.
- 采用随机森林和卷积神经网络分类器来对光谱,时间和频率域特征进行分类.
- 对比了在两个表演者执行手势的附近的植物记录与孤立的对照植物.
主要成果:
- 随机森林在区分人类运动的近距离与控制方面取得了62.7%的准确性,比偶然情况有了显著的改善.
- 可以检测到个人表演者的签名 (准确率为68.2%),而植物物种的影响最小 (44.5%准确率).
- 与单次暴露植物相比,多次暴露的植物显示出较少的负生物电幅.
结论:
- 当人类在约1米的范围内移动时,植物表现出适度,统计可检测的生物电差异.
- 这项研究表明,人类接近和植物生物电信号之间存在相关性,而不是因果机制.
- 潜在的生物物理路径和空气流或电磁场等促成因素需要进一步调查.
