Нейросетевая оценка реакции базилика (Ocimum basilicum L.) на удобрительные органические добавки в условиях закрытого грунта

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 function show_abstract() { $('#abstract1').hide(); $('#abstract2').show(); $('#abstract_expand').hide(); }