Intelligent signal analysis platform to identify plant electrophysiology

Abstract

En els darrers anys, a través de diferents estudis s'ha demostrat que l'electrofisiologia de les plantes proporciona informació significativa sobre l'estat d'una planta, però encara queden coneixements substancials per obtenir que es traduiran en pràctiques agrícoles millorades. En aquest Treball de Fi de Grau, que forma part d'un projecte realitzat en col·laboració amb un soci industrial, s'ha utilitzat un conjunt de dades de senyals elèctrics de plantes sota estrès, recopilades amb un biosensor d'electrofisiologia vegetal multicanal. En enfocaments anteriors, es van aplicar tècniques de processament de senyals en aquests conjunts de dades per extreure característiques i després fer servir algoritmes d'anàlisi de dades intel·ligents en aquestes característiques per predir si les plantes estan estressades. L'objectiu principal d'aquest treball és fer la mateixa tasca fent servir tècniques d'aprenentatge profund d'última generació per avaluar l'ús de plantes com a dispositius de detecció d'estímuls biològics.

In the recent years it has been shown through different studies that plant electrophysiology provides meaningful information about the state of a plant, but there are still substantial insights to be gained which will flow through to improved agriculture practices. In this Bachelor's Thesis, being part of a project realized in collaboration with an industrial partner, it has been used a dataset of under-stress plants' electrical signals, collected with a multi-channel plant electrophysiology biosensor. In previous approaches, signal-processing techniques were applied on these datasets to extract features, and then use intelligent data analysis algorithms on these features in order to predict if the plants are stressed. The main objective of this work is to realize the same task by employing state-of-the-art Deep Learning techniques, in order to evaluate the use of plants as biological stimuli-sensing devices.