植物の電気生理に基づく水ストレスの早期検出：灌漑管理のための機械学習

要旨: 目的: 植物のストレスを高速に検出することは、植物表現型解析、精密農業、および自動化された作物管理にとって重要である。特に、効率的な灌漑（かんがい）管理では、水ストレスを早期に同定して、作物の性能を維持しつつ資源利用を最適化する必要がある。直接的な生理学的センシングは、目に見える症状が現れる前にストレス反応を検出できる可能性を提供する。 方法: 本研究では、水ストレスを与えた温室で栽培したトマト植物から電気生理学的信号を記録し、オンラインでのストレス検出のための機械学習に基づく枠組みを開発した。記録した時系列データは、統計的特徴抽出と選択、自動化された機械学習、または代替としてのディープラーニング、確率キャリブレーションを含む処理パイプラインを用いて処理した。 結果: 複数の入力時間ホライズンにわたって、30分のルックバック窓が、迅速な意思決定と分類性能の最良のバランスをとることを見出した。自動化された機械学習を用いることで、本枠組みは最大92%の分類精度を達成し、ディープラーニングのアプローチを上回った。逐次の後ろ向き選択により、性能を維持したまま特徴集合を削減できた。重要な点として、本枠組みは、訓練セットに含まれていなかった記録において、健康状態からストレス状態への移行を検出できる。 結論: 全体として、我々は農家向けの意思決定支援ツールを提供し、（半）自律的な作物生産システムにおける資源効率を改善するための、生体フィードバックに基づく灌漑制御の基盤を確立する。