植物生物电早期预警系统：一项关于人-植物电磁通信的五年研究
其他定量生物学
2025-06-05 v1 人工智能
摘要
我们展示了一项关于植物生物电响应人体存在和情绪状态的全面研究，基于五年的系统性研究。使用自制的植物传感器和机器学习分类方法，我们证明植物会产生与人体接近程度、情绪状态和生理状况相关的独特生物电信号。基于 ResNet50 架构的深度学习模型在通过植物电压频谱图分类人类情绪状态方面达到了 97% 的准确率，而标签打乱的对照模型仅达到 30% 的准确率。本研究综合了 2020-2025 年多项实验的发现，包括个体识别（66% 准确率）、节奏手势检测、压力预测以及对人类声音和运动的响应。我们提出这些现象代表了演化而来的反食草动物早期预警系统，植物通过生物电场变化在物理接触前探测接近的动物。我们的结果挑战了对植物感知能力的传统认知，并暗示在农业、医疗保健和人-植物交互研究中的实际应用。
引用
@article{arxiv.2506.04132,
title = {Plant Bioelectric Early Warning Systems: A Five-Year Investigation into Human-Plant Electromagnetic Communication},
author = {Peter A. Gloor},
journal= {arXiv preprint arXiv:2506.04132},
year = {2025}
}