自动化植物传感：基于植物电信号的臭氧暴露分类

在我们的 WatchPlant 项目中，我们提出利用活体植物的去中心化网络作为空气质量传感器，通过测量其电生理状态来推断环境状态，这也称为植物传感。我们进行了实验室实验，将常春藤（Hedera helix）暴露于臭氧（一种需要监测的重要污染物）中，并测量了其电生理反应。然而，目前尚无成熟的自动化方法来检测植物的臭氧暴露。我们提出了一种通用的自动化工具链，用于从植物电生理信号中筛选高性能特征子集和高精度模型。我们的方法使用 tsfresh 库从电生理信号中提取植物和刺激通用的特征。基于这些特征，我们使用 AutoML 自动选择并优化机器学习模型。我们使用前向特征选择来提升模型性能。结果表明，我们的方法能成功分类植物的臭氧暴露情况，在未见数据上准确率高达 94.6%。我们还表明，该方法可应用于其他植物物种和刺激。我们的工具链实现了植物作为污染物监测器的监测算法开发的自动化。我们的结果有助于实现植物传感设备的重大进步，为未来开发低成本、高密度的城市空气监测系统做出贡献。