Software diagnostica el estrés de las plantas escuchando su lenguaje eléctrico

 Imagine poder saber si una planta tiene sed, si siente demasiado calor o si ha sido atacada o manipulada, pero no cuando sus hojas se marchiten o a las semanas, cuando los daños sean visibles, sino en el mismo instante en que esto ocurre, casi como si se pudiera escuchar un grito silencioso o ver una señal de alerta inmediata. Una investigadora de la UNAL registró las señales eléctricas con un prototipo y un sistema computacional pionero en el país, obteniendo más de 900 registros en frijol, lenteja y fittonia. Este avance abre la puerta al desarrollo de invernaderos inteligentes en los que las plantas “hablen” por medio de su propia electricidad, y los cultivos alerten a tiempo sobre sequías o plagas.

Aunque las plantas no tienen sistema nervioso, el cambio de iones que ocurre en sus membranas celulares ante un estímulo externo genera señales eléctricas comparables a los impulsos nerviosos de los animales. Esto fue lo que logró Valeria Gutiérrez Ruiz, magíster en Ciencias Físicas de la Universidad Nacional de Colombia (UNAL) Sede Manizales, al demostrar que el frijol, la lenteja y la fitonia tienen un “lenguaje propio basado en señales eléctricas”, el cual ha sido reconocido por medio de un prototipo único que recibe estas señales para que un software las recolecte, analice y visualice.

“Las plantas no emiten la misma señal eléctrica si las tocas suavemente, si las expones a un foco de luz brillante, si la temperatura sube de golpe, o si sufren una pequeña herida. Cada tipo de estímulo desencadena una firma eléctrica única, un patrón distintivo que podemos medir y aprender a reconocer”, detalla la investigadora.

Interpretador de señales eléctricas

Para llegar a esta conclusión, la magíster construyó “los oídos y el cerebro” para poder escuchar e interpretar este lenguaje eléctrico, ya que los equipos convencionales usados para medir señales eléctricas son enormes, caros, y solo funcionan en laboratorios, pero no en un campo de cultivo real. 

Por eso, el primer gran logro de este proyecto fue construir el prototipo portátil y de bajo costo, el cual cuenta con un circuito electrónico que actúa como un micrófono de alta sensibilidad recibiendo las señales de la planta por medio de pequeños electrodos colocados en la hoja y el tallo, similares a los de un electrocardiograma, pero adaptados.

Las señales eléctricas de una planta son tan débiles que toca medirlas en microvoltios (millonésimas de voltio), por eso, el prototipo usa un componente especial llamado amplificador diferencial Ad8226, capaz de captar señales minúsculas y amplificarlas millones de veces sin añadir ruido ni generar interferencias. 

Luego, un sistema de filtros, configurados solo para captar las frecuencias asignadas (entre 0,07 y 8,8 hertzios), limpia la señal de interferencias como el zumbido de la red eléctrica (60 hz), que puede enmascarar la voz de la planta.

“Pero una señal eléctrica, por sí sola, es solo una línea que sube y baja en una pantalla”, señala la experta. Por eso otro de los resultados importantes fue la creación de un lenguaje de programación en Python que recibe las señales eléctricas de las plantas y los analiza en tiempo real determinando características eléctricas como la energía (potencia que tiene la señal), la frecuencia dominante (tono o frecuencia en que vibra), la entropía espectral (complejidad de la señal), y la desviación estándar (dispersión de la señal).

Una conversación controlada

Con estas herramientas, la investigadora aplicó de forma controlada y repetida 5 tipos de estímulos ambientales a las 3 plantas mencionadas, así: (i) la “luz intensa”, que consistió en exponer las plantas a una lámpara led de 6.500 kelvin, situada a 20 cm, con una irradiancia similar a una radiación solar fuerte, (ii) la “oscuridad súbita”, que implicó apagar por completo la iluminación para generar un cambio abrupto de luz a sombra, (iii) el “calor” producido con una fuente térmica que elevó la temperatura del entorno hasta los 35 °C, (iv) el “contacto mecánico”, aplicado mediante un leve roce de 3 segundos sobre la hoja, simulando el movimiento del viento o el contacto con otro organismo sin causar daño, y (v) el “corte controlado” que corresponde a una pequeña incisión en la hoja o el tallo para observar la respuesta ante una herida mínima.

Cada combinación de especie y estímulo se repitió decenas de veces, siguiendo un protocolo estricto de 20 minutos de registro por aplicación, lo que le permitió a la magíster acumular más de 900 registros de señales eléctricas.

El corte controlado fue el estímulo que generó la mayor energía eléctrica en todas las plantas; por ejemplo en las lentejas la energía registrada fue de 525,4 µV², mientras que ante la oscuridad fue de solo 210,9 µV². El calor y el toque también generaron respuestas energéticas altas, pero con sus propios matices distintivos.

Para confirmar que estas diferencias no eran casualidad, la investigadora aplicó pruebas estadísticas como el análisis ANOVA (que compara las medias de variables entre los distintos estímulos), el cual arrojó valores de probabilidad astronómicamente pequeños (del orden de 10⁻¹⁹⁵ a 10⁻²²²), lo que estadísticamente significa que las diferencias son absolutamente reales y no producto del azar. 

Más allá de la estadística, la investigación dio un paso hacia la automatización, pues cuando se le pidió a un algoritmo de inteligencia artificial que agrupara todas las señales sin saber a qué estímulo correspondían, este las organizó automáticamente en 5 grupos nítidos que coincidieron casi perfectamente con los 5 estímulos aplicados, con una tasa de acierto del 91 % en las lentejas. 

Por último, cuando se entrenaron otros algoritmos para que aprendieran a reconocer los patrones, predijeron el estímulo aplicado con una precisión superior al 80 %, basándose únicamente en las cuatro características eléctricas. En otras palabras, se configuró un programa computacional para entender el lenguaje de la planta y diagnosticar cuál de los 5 estímulos está recibiendo.

Según la investigadora, “la trascendencia de este trabajo va mucho más allá del laboratorio, porque la capacidad de monitorear en tiempo real y sin afectar la planta es un cambio de paradigma. Podríamos conocer en tiempo real lo que le está pasando a un cultivo, porque en la actualidad toca esperar días o semanas hasta que la enfermedad sea visible”.

Con este avance se pueden imaginar invernaderos capaces de “escuchar” a las plantas. Los sensores instalados en ellas podrían activar el riego cuando detecten señales eléctricas que indiquen falta de agua, o enviar alertas tempranas a los agricultores ante un posible ataque de plagas. También servirían para identificar cultivos más fuertes y resistentes, según la claridad y consistencia de sus respuestas eléctricas frente a distintos cambios del entorno.