植物生长过程是一个复杂的生态过程,植物电信号是植物体内普遍存在且具有传送信息功能的生理信号。植物电信号可以实时反映植物自身的生理状态,主要包括代谢及物质运输等生理变化。不同生长状态下的植物其电信号会表现出明显不同的特征,因此可以通过监测植物电信号的特征规律来监测植物的生长状态。本文以自主搭建的植物电信号检测实验平台为基础,将不同生长状态下的芦荟作为实验对象。首先采用BL-420生物机能实验装置,对不同生长状态下的芦荟的电信号的进行采集,并对所采集到的芦荟电信号进行预处理、EMD经验模态分解法,将非平稳芦荟电信号进行平稳化处理,再结合小波阈值法,将噪声信号去除。其次利用短时傅里叶变换获得不同生长状态下芦荟的能量谱图,并使用卷积神经网络对能量谱图进行特征提取。最后通过卷积神经网络与CNN-LSTM神经网络从植物的生长发育机理出发,探索电信号与植物生长状态之间特征规律,建立植物生状态植物电信号之间的关系模型,对不同生长状态下的植物电信号进行训练、分类研究。两种网络模型分类性能:卷积神经网络对不同生长状态下芦荟电信号分类的正确率(ACC)为0.9446,真阳性(TPR)为0.9327,假阳性(FPR)为0.0476,CNN-LSTM神经网络模型分类的正确率为0.9722,真阳性为0.9549,假阳性为0.0382。实验表明,CNN-LSTM神经网络模型通过电信号对芦荟的生长状态分类具有较高的准确率,可以将其作为植物生长状态检测的一种有效评价指标,为实现植物生长状态在线诊断奠定基础。