doi: 10.15389/agrobiology.2025.3.470rus
УДК 635.713:631.86
Работа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (темы FGUS 2024-0010 и FGUS 2025-0005).
НЕЙРОСЕТЕВАЯ ОЦЕНКА РЕАКЦИИ БАЗИЛИКА (Ocimum basilicum L.) НА УДОБРИТЕЛЬНЫЕ ОРГАНИЧЕСКИЕ ДОБАВКИ В УСЛОВИЯХ ЗАКРЫТОГО ГРУНТА
С.И. ЛОСКУТОВ1, Н.И. ВОРОБЬЕВ2, Я.В. ПУХАЛЬСКИЙ1 ✉,
В.Р. СИДОРОВА1, А.С. МИТЮКОВ3, А.И. ЯКУБОВСКАЯ4,
И.А. КАМЕНЕВА4, Д.Д. МЕЩЕРЯКОВ5
Спрос на натуральное лекарственное растительное сырье (ЛРС) в мире из года в год растет. Поэтому в настоящее время стали развиваться промышленные фитотроны, выращивающие ЛРС в условиях защищенного грунта. В современных фитотронах применяются автоматизированные технологии, поддерживающие стабильный микроклимат, режим оптимального освещения, водный и микроэлементный режим питания, а также субстраты, замещающие почву. Автоматизированные технологии выращивания растений используют BigData информацию, получаемую от различных датчиков, находящихся в фитотроне. Одним из эффективных инструментов статистического анализа фитотронных BigData являются обучаемые нейронные сети. Они способны обнаружить и визуализировать неформализуемую зависимость объема и качества растительной продукции от физико-химических характеристик питательных и почвенных субстратов, а также от режима освещения. В настоящей работе впервые использован оригинальный нейросетевой алгоритм вычисления индекса фрактальности профилей химических элементов в растениях для выявления взаимосвязи между их физиолого-биохимическими показателями и условиями выращивания. Целью работы было изучение влияния специальной удобрительной агротехнологии на физиологические и биохимические характеристики растений базилика зеленолистного сорта Лемона («Enza Zaden», Голландия) и пурпурно-лавандового сорта Рози («Enza Zaden», Голландия). Растения выращивали в контролируемых условиях хемо- и светокульуры. В качестве почвенного субстрата использовался обедненный нейтрализованный торф с добавками перлита. Специфичность удобрительной технологии заключалась в использовании органических добавок: гуминовые и фулевые кислоты (ГК и ФК), выделенные из сапропелевого сырья, и щелочной экстракт из высушенных и просеянных экскрементов личинок мухи Hermetia illucens. Растения в опытных вариантах опрыскивали по листьям растворами тестируемых экстрактов 1 раз в неделю. Растения в контрольном варианте поливали фильтрованной водопроводной водой. По окончании опыта в листьях измеряли содержание хлорофилла (SPAD 502 Plus, «Minolta Camera Co., Ltd.», Япония). Элементный состав биомассы определяли методом оптической эмиссионной спектроскопии с индуктивно связанной плазмой (ICP-OES) (Agilent 5900, «Agilent Technologies», США). Измеренные профили содержания химических элементов в растениях базилика обрабатывали с использованием нейросети EuclidNN. Отличительной особенностью нейросети EuclidNN является возможность поиска алгоритма преобразования «многое-к-одному» профиля химических элементов растения в индекс CSI (Cognitive Salience Index), характеризующий фрактальность профиля химических элементов. Вычислительный алгоритм нейросети изначально не известен. Поиск алгоритма производится в режиме обучения нейросети EuclidNN. По результатам исследования установлено, что на зеленолистном сорте более эффективной была только фульватная удобрительная добавка, а на пурпурно-лавандовом — фульватная удобрительная добавка и добавка экстракта зоокомпоста. Гуминовая удобрительная добавка на обоих сортах базилика продемонстрировала низкую эффективность. Отмечена высокая корреляция с показателями биомассы и высоты растения в этих вариантах (r = 0,85-0,96, р < 0,05) и ее отсутствие — с содержанием хлорофилла. Таким образом, использование сверхточных нейронных сетей показывает высокую эффективность предлагаемого решения как дополнительного математического инструмента при опосредованной оценке особенностей сортовой реакции растений на условия выращивания.
Ключевые слова: базилик, морфофизиологические характеристики, микроэлементный состав, гумусовые кислоты, фульвовые кислоты, зоокомпост, Hermetia illucens, ИИ-нейросети.
S.I. Loskutov1, N.I. Vorobyov2, J.V. Puhalky1 ✉, V.R. Sidorova1,
A.S. Mityukov3, A.I. Yakubovskaya4, I.A. Kameneva4,
D.D. Meshcheryakov5
The demand for natural medicinal plant raw materials (MRM) in the world is growing from year to year. Therefore, industrial phytotrons that grow MRM in protected soil conditions have begun to develop. Modern phytotrons use automated technologies that support a stable microclimate, optimal lighting mode, water and microelement nutrition, as well as substrates that replace the soil. The Automated technologies for growing plants use BigData information obtained from various sensors located in the phytotron. One of the effective tools for statistical analysis of phytotronic BigData is trained neural networks. They are able to detect and visualize the informal dependence of the volume and quality of plant products on the physicochemical characteristics of nutrient and soil substrates, as well as on the lighting regime. In this work, for the first time, an original neural network algorithm for calculating the fractal index of profiles of chemical elements in plants is used to identify the relationship between their physiological and biochemical indicators and growing conditions. The aim of the work was to study the influence of special fertilizing agrotechnology on the physiological and biochemical characteristics of plants of the basil of the green-leaved variety Lemon (Enza Zaden, Holland) and the purple-lavender variety Rosie (Enza Zaden, Holland). Plants were grown under controlled chemo and light culture conditions. Depleted neutralized peat with perlite additives was used as a soil substrate. Plants were grown under controlled chemo and light culture conditions. Depleted neutralized peat with perlite additives was used as a soil substrate. The specificity of the fertilizer technology was the use of organic additives: humic and fulic acids isolated from sapropel raw materials, and an alkaline extract from dried and sieved excrement of Hermetia illucens fly larvae. Plants in the test versions were sprayed on the leaves with solutions of the test extracts once a week. Plants in the control version were watered with filtered water-wire water. At the end of the test, chlorophyll was measured in the leaves (SPAD 502 Plus, Minolta Camera Co, Ltd, Japan). The elemental composition of the biomass was determined by inductively coupled plasma optical emission spectroscopy (ICP-OES) (Agilent 5900. Agilent Technologies, США). Measured basil chemical element profiles were processed using the EuclidNN neural network. A distinctive feature of the EuclidNN neural network is the ability to search for the many-to-one conversion of the plant's chemical element profile to the CSI (Cognitive Salience Index), which characterizes the fractality of the chemical element profile. The computational algorithm of the neural network is not initially known. The algorithm is searched in the EuclidNN neural network training mode. According to the results of the study, it was found that only fulvous fertilizer additive was more effective on the green leaf variety, and fulvous fertilizer additive and zoocompost extract additive were more effective on purple-lavender. The humic fertilizer additive on both basil varieties demonstrated poor efficacy. There was a high correlation with the biomass and height of the plant in these variants (r = 0.85-0.96, p < 0.05) and its absence with the chlorophyll content. In this way, the use of ultra-precise neural networks shows the high efficiency of the proposed solution as an additional mathematical tool in the indirect assessment of the characteristics of the varietal response of plants to growing conditions.
Keywords: basil, morphophysiological parameres, microelement composition, humic acids. fulvic acids, Hermetia illucens, zoocompost, AI neural networks.
1Всероссийский НИИ пищевых добавок — |
Поступила вредакцию 2 декабря 2024 года
|
