論文の概要: When Plants Respond: Electrophysiology and Machine Learning for Green Monitoring Systems

• arxiv url: http://arxiv.org/abs/2506.23872v1
• Date: Mon, 30 Jun 2025 14:04:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:54.092046
• Title: When Plants Respond: Electrophysiology and Machine Learning for Green Monitoring Systems
• Title（参考訳）: 植物が応答する時-グリーンモニタリングシステムのための電気生理学と機械学習
• Authors: Eduard Buss, Till Aust, Heiko Hamann,
• Abstract要約: 生物と人工装置の生理的信号流路を確立する。 我々は最先端と自動化機械学習(AutoML)を用いてデータを解析する。 この研究は、持続可能な環境モニタリングのために、スケーラブルで、自己持続的で、植物が組み込んだ生物ハイブリッドシステムを進める。
• 参考スコア（独自算出の注目度）: 3.8916312075738273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Living plants, while contributing to ecological balance and climate regulation, also function as natural sensors capable of transmitting information about their internal physiological states and surrounding conditions. This rich source of data provides potential for applications in environmental monitoring and precision agriculture. With integration into biohybrid systems, we establish novel channels of physiological signal flow between living plants and artificial devices. We equipped *Hedera helix* with a plant-wearable device called PhytoNode to continuously record the plant's electrophysiological activity. We deployed plants in an uncontrolled outdoor environment to map electrophysiological patterns to environmental conditions. Over five months, we collected data that we analyzed using state-of-the-art and automated machine learning (AutoML). Our classification models achieve high performance, reaching macro F1 scores of up to 95 percent in binary tasks. AutoML approaches outperformed manual tuning, and selecting subsets of statistical features further improved accuracy. Our biohybrid living system monitors the electrophysiology of plants in harsh, real-world conditions. This work advances scalable, self-sustaining, and plant-integrated living biohybrid systems for sustainable environmental monitoring.
• Abstract（参考訳）: 生物植物は、生態系のバランスや気候の規制に寄与する一方で、内部の生理状態や環境に関する情報を伝達できる自然センサーとしても機能する。 この豊富なデータソースは、環境モニタリングや精密農業に応用する可能性がある。 バイオハイブリッドシステムとの統合により,生体と人工装置間の生理的信号流の新たなチャネルを確立する。 We equipped *Hedera helix* with a plant-wearable device called PhytoNode to continuous recording the plant's electrophysiological activity。 我々は、電気生理学的パターンを環境条件にマッピングするために、制御されていない屋外環境に植物を配置した。 5ヶ月にわたって私たちは、最先端と自動化機械学習(AutoML)を使用して分析したデータを収集しました。 我々の分類モデルは高い性能を達成し、マクロF1スコアは最大95%のバイナリタスクに到達した。 AutoMLは手動チューニングに優れ、統計機能のサブセットの選択により精度が向上する。 私たちのバイオハイブリッドリビングシステムは、厳しい実環境下で植物の電気生理をモニターします。 この研究は、持続可能な環境モニタリングのために、スケーラブルで、自己持続的で、植物が組み込んだ生物ハイブリッドシステムを進める。

関連論文リスト

• Plant Bioelectric Early Warning Systems: A Five-Year Investigation into Human-Plant Electromagnetic Communication [0.0]
  植物は、人間の近接性、感情状態、生理的状態に関連する異なる生体電気信号を生成する。 ResNet50アーキテクチャに基づくディープラーニングモデルは、人間の感情状態の分類において97%の精度を達成した。 本研究は, 従来の植物感覚能力の理解に挑戦し, 農業, 医療, 植物間相互作用研究における実践的応用を提案する。
  論文  参考訳（メタデータ） (2025-06-04T16:23:06Z)
• AI-driven control of bioelectric signalling for real-time topological reorganization of cells [0.0]
  生体電気信号は、細胞の分化、増殖、アポトーシス、組織の形態形成を含む重要な過程を制御するのに重要な役割を果たしている。 近年の研究では、これらのシグナルを調節して組織再生を制御できることが示されている。 本研究の目的は、生体電気信号を用いた新しいバイオメディカル・バイオエンジニアリング応用の開発である。
  論文  参考訳（メタデータ） (2025-03-10T11:30:32Z)
• Automated Phytosensing: Ozone Exposure Classification Based on Plant Electrical Signals [10.274619512179882]
  本研究では, 生物の分散ネットワークを空気質センサとして利用し, その電気生理学的な測定を行い, 環境状態を推定することを提案する。 本手法は, 植物オゾン曝露を94.6%の精度で未確認データで分類することに成功した。 本研究は, コスト効率の高い高密度都市大気モニタリングシステムの開発に寄与する植物センシング装置の開発に有効である。
  論文  参考訳（メタデータ） (2024-12-17T20:29:00Z)
• Automating lichen monitoring in ecological studies using instance segmentation of time-lapse images [5.303048899954672]
  てんかんをモニタリングする新しい方法は、タイムラプスカメラを使ってキッチンの個体群の画像を集めることである。 これらのカメラはニューファンドランドとラブラドールの生態学者によって、画像を分析し手動で分類し、ライシェンタリーの状態と変化を判定するために使用される。 本研究は, 長期にわたってキッチンのモニタリングを自動化し, バイオマスと環境を推定し, 生態学者の業務を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-10-26T00:45:19Z)
• Biomaker CA: a Biome Maker project using Cellular Automata [69.82087064086666]
  Cellular Automata (CA) を用いたBiome Makerプロジェクトについて紹介する。 バイオメーカーCAでは、形態形成は第一級の市民であり、小さな種子を植物のような生物に成長させ、栄養失調環境で生き残る必要がある。 このプロジェクトによって、さまざまなモデルアーキテクチャや突然変異戦略とともに、さまざまな種類の環境や「物理学」の法則が実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-18T15:03:40Z)
• Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex models for robot navigation and environment pseudo-mapping [52.77024349608834]
  本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。 海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。 これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
  論文  参考訳（メタデータ） (2023-05-22T10:20:34Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of legged robots [58.720142291102135]
  スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。 終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
  論文  参考訳（メタデータ） (2021-01-24T12:44:38Z)
• Estimating Crop Primary Productivity with Sentinel-2 and Landsat 8 using Machine Learning Methods Trained with Radiative Transfer Simulations [58.17039841385472]
  我々は,機械モデリングと衛星データ利用の並列化を活用し,作物生産性の高度モニタリングを行う。 本モデルでは, 地域情報を使用しなくても, 各種C3作物の種類, 環境条件の総合的生産性を推定することに成功した。 これは、現在の地球観測クラウドコンピューティングプラットフォームの助けを借りて、新しい衛星センサーから作物の生産性をグローバルにマップする可能性を強調しています。
  論文  参考訳（メタデータ） (2020-12-07T16:23:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。