Los criadores de cultivos de hoy en día están tratando de aumentar los rendimientos al tiempo que preparan los cultivos para resistir el clima severo y los climas cambiantes. Para tener éxito, deben localizar genes para rasgos resistentes y de alto rendimiento en el ADN de las plantas de cultivo. Un robot desarrollado por la Universidad de IllinoisEncontrar estas agujas proverbiales en el pajar fue reconocido por el premio al mejor sistema de papel en Robotics: Science and Systems, la conferencia de robótica preeminente celebrada la semana pasada en Pittsburgh.
"Existe una necesidad real de acelerar la cría para satisfacer la demanda mundial de alimentos", dijo el investigador principal Girish Chowdhary, profesor asistente de robótica de campo en el Departamento de Ingeniería Agrícola y Biológica y el Laboratorio de Ciencias Coordinadas de Illinois ". En África, ella población aumentará más del doble para 2050, pero hoy los rendimientos son solo una cuarta parte de su potencial "
Los fitomejoradores realizan experimentos masivos que comparan miles de cultivos diferentes, o variedades, de cultivos en cientos de acres y miden rasgos clave, como la emergencia o la altura de las plantas, a mano. La tarea es costosa, lenta, inexacta y, en última instancia, inadecuada- un equipo solo puede medir manualmente una fracción de plantas en un campo.
"La falta de automatización para medir los rasgos de las plantas es un obstáculo para el progreso", dijo el primer autor Erkan Kayacan, ahora investigador postdoctoral en el Instituto de Tecnología de Massachusetts. "Pero es difícil hacer sistemas robóticos que puedan contar plantas de forma autónoma: ellos campos son vastos, los datos pueden ser ruidosos a diferencia de los conjuntos de datos de referencia y el robot tiene que permanecer dentro de las filas estrechas en el desafiante entorno bajo el dosel ".
El robot TerraSentia de 13 pulgadas de ancho y 24 libras de Illinois es transportable, compacto y autónomo. Captura cada planta de arriba a abajo usando un conjunto de sensores cámaras, algoritmos y aprendizaje profundo. Usando un método de aprendizaje de transferencia,los investigadores le enseñaron a TerraSentia a contar las plantas de maíz con solo 300 imágenes, como se informó en esta conferencia.
"Un desafío es que las plantas no están espaciadas por igual, por lo que asumir que una sola planta está en el marco de la cámara no es lo suficientemente bueno", dijo el coautor ZhongZhong Zhang, un estudiante graduado en la Facultad de Consumo Agrícola y Medio AmbienteScience ACES ". Desarrollamos un método que utiliza el movimiento de la cámara para ajustar el espaciado entre plantas, lo que ha llevado a un sistema bastante robusto para contar plantas en diferentes campos, con espaciado diferente y variable, y a diferentes velocidades."
Este trabajo fue apoyado por la Agencia de Proyectos de Investigación Avanzada de Energía ARPA-E como parte del proyecto TERRA-MEPP en el Instituto Carl R. Woese de Biología Genómica. El robot ahora está disponible a través de la empresa de nueva creación,EarthSense, Inc., que está equipando al robot con capacidades avanzadas de análisis de plantas y autonomía.
TERRA-MEPP es un proyecto de investigación que está desarrollando un robot de fenotipado de bajo costo para identificar cultivos de alto rendimiento liderados por la Universidad de Illinois en asociación con la Universidad de Cornell y Signetron Inc. con el apoyo de la Agencia de Proyectos de Investigación Avanzada de Energía ARPA-E.
Fuente de la historia :
Materiales proporcionado por Instituto Carl R. Woese de Biología Genómica, Universidad de Illinois en Urbana-Champaign . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :