Name: 机器人传感和刺激为引导植物生长提供 (视频) | JoVE Journal
Uploaded: 2019-07-01T15:00:00.000+00:00
Duration: 8 min 2 s
Description: 了解利用自主机器人节点和蓝光刺激引导菜豆生长方向的方法。该技术通过激活向光性实现植物定向生长，为生物混合系统在农业中的应用开辟新途径。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究由 flora robotica 项目资助，该项目获得了欧盟“地平线2020”研究与创新计划下未来与新兴技术（FET）资助协议（编号：640959）的支持。作者感谢 Anastasios Getsopulos 和 Ewald Neufeld 在硬件组装方面的贡献，以及 Tanja Katharina Kaiser 在植物实验监测方面的贡献。

<ol><li>Åstrand, B., Baerveldt, A. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+agricultural+mobile+robot+with+vision-based+perception+for+mechanical+weed+control%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">An agricultural mobile robot with vision-based perception for mechanical weed control.</a> Autonomous Robots. 13 (1), 21-35 (2002).</li>
<li>Blackmore, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+systems+view+of+agricultural+robots%5BTitle%5D)+AND+%22Proceedings+of+6th+European+conference+on+precision+agriculture+%28ECPA%29%22%5BJournal%5D)">A systems view of agricultural robots.</a> Proceedings of 6th European conference on precision agriculture (ECPA). , 23-31 (2007).</li>
<li>Edan, Y., Han, S., Kondo, N. Automation in agriculture. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aEdan%2C+Y+%22Springer+handbook+of+automation%22">Springer handbook of automation</a>. , Springer. Berlin, Heidelberg. 1095-1128 (2009).</li>
<li>Van Henten, E. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+autonomous+robot+for+harvesting+cucumbers+in+greenhouses%5BTitle%5D)+AND+%22Autonomous+Robots%22%5BJournal%5D)">An autonomous robot for harvesting cucumbers in greenhouses.</a> Autonomous Robots. 13 (3), 241-258 (2002).</li>
<li>Al-Beeshi, B., Al-Mesbah, B., Al-Dosari, S., El-Abd, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((iplant%3A+The+greenhouse+robot%5BTitle%5D)+AND+%22Proceedings+of+IEEE+28th+Canadian+Conference+on+Electrical+and+Computer+Engineering+%28CCECE%29%22%5BJournal%5D)">iplant: The greenhouse robot.</a> Proceedings of IEEE 28th Canadian Conference on Electrical and Computer Engineering (CCECE). , 1489-1494 (2015).</li>
<li>Giraldo, J. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Plant+nanobionics+approach+to+augment+photosynthesis+and+biochemical+sensing%5BTitle%5D)+AND+%22Nature+Materials%22%5BJournal%5D)">Plant nanobionics approach to augment photosynthesis and biochemical sensing.</a> Nature Materials. 13 (4), (2014).</li>
<li>Mazarei, M., Teplova, I., Hajimorad, M. R., Stewart, C. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pathogen+phytosensing%3A+Plants+to+report+plant+pathogens%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Pathogen phytosensing: Plants to report plant pathogens.</a> Sensors. 8 (4), 2628-2641 (2008).</li>
<li>Zimmermann, M. R., Mithöfer, A., Will, T., Felle, H. H., Furch, A. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Herbivore-triggered+electrophysiological+reactions%3A+candidates+for+systemic+signals+in+higher+plants+and+the+challenge+of+their+identification%5BTitle%5D)+AND+%22Plant+Physiology%22%5BJournal%5D)">Herbivore-triggered electrophysiological reactions: candidates for systemic signals in higher plants and the challenge of their identification.</a> Plant Physiology. , 01736(2016).</li>
<li>Hamann, H., et al. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aHamann%2C+H+%22Flora+robotica--An+Architectural+System+Combining+Living+Natural+Plants+and+Distributed+Robots%22">Flora robotica--An Architectural System Combining Living Natural Plants and Distributed Robots</a>. , arXiv preprint arXiv. 1709.04291 (2017).</li>
<li>Arkin, R. C., Egerstedt, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Temporal+heterogeneity+and+the+value+of+slowness+in+robotic+systems%5BTitle%5D)+AND+%22Proceedings+of+IEEE+International+Conference+on+Robotics+and+Biomimetics+%28ROBIO%29%22%5BJournal%5D)">Temporal heterogeneity and the value of slowness in robotic systems.</a> Proceedings of IEEE International Conference on Robotics and Biomimetics (ROBIO). , 1000-1005 (2015).</li>
<li>Mahlein, A. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Plant+disease+detection+by+imaging+sensors-parallels+and+specific+demands+for+precision+agriculture+and+plant+phenotyping%29%5BTitle%5D)+AND+%22Plant+Disease%22%5BJournal%5D)">Plant disease detection by imaging sensors-parallels and specific demands for precision agriculture and plant phenotyping).</a> Plant Disease. 100 (2), 241-251 (2016).</li>
<li>Wahby, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+robot+to+shape+your+natural+plant%3A+the+machine+learning+approach+to+model+and+control+bio-hybrid+systems%5BTitle%5D)+AND+%22Proceedings+of+the+Genetic+and+Evolutionary+Computation+Conference+%28GECCO+%2718%29%22%5BJournal%5D)">A robot to shape your natural plant: the machine learning approach to model and control bio-hybrid systems.</a> Proceedings of the Genetic and Evolutionary Computation Conference (GECCO '18). , ACM. New York, NY, USA. 165-172 (2018).</li>
<li>Bastien, R., Douady, S., Moulia, B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+unified+model+of+shoot+tropism+in+plants%3A+photo-%2C+gravi-and+propio-ception%5BTitle%5D)+AND+%22PLoS+Computational+Biology%22%5BJournal%5D)">A unified model of shoot tropism in plants: photo-, gravi-and propio-ception.</a> PLoS Computational Biology. 11 (2), e1004037(2015).</li>
<li>Wahby, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Autonomously+shaping+natural+climbing+plants%3A+a+bio-hybrid+approach%5BTitle%5D)+AND+%22Royal+Society+Open+Science%22%5BJournal%5D)">Autonomously shaping natural climbing plants: a bio-hybrid approach.</a> Royal Society Open Science. 5 (10), 180296(2018).</li>
<li>Liscum, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Phototropism%3A+growing+towards+an+understanding+of+plant+movement%5BTitle%5D)+AND+%22Plant+Cell%22%5BJournal%5D)">Phototropism: growing towards an understanding of plant movement.</a> Plant Cell. 26, 38-55 (2014).</li>
<li>Christie, J. M., Murphy, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shoot+phototropism+in+higher+plants%3A+new+light+through+old+concepts%5BTitle%5D)+AND+%22American+Journal+of+Botany%22%5BJournal%5D)">Shoot phototropism in higher plants: new light through old concepts.</a> American Journal of Botany. 100, 35-46 (2013).</li>
<li>Migliaccio, F., Tassone, P., Fortunati, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Circumnutation+as+an+autonomous+root+movement+in+plants%5BTitle%5D)+AND+%22American+Journal+of+Botany%22%5BJournal%5D)">Circumnutation as an autonomous root movement in plants.</a> American Journal of Botany. 100, 4-13 (2013).</li>
<li>Gianoli, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+behavioural+ecology+of+climbing+plants%5BTitle%5D)+AND+%22AoB+Plants%22%5BJournal%5D)">The behavioural ecology of climbing plants.</a> AoB Plants. 7, (2015).</li>
<li>Vestartas, P., et al. Design Tools and Workflows for Braided Structures. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aVestartas%2C+P+%22Proceedings+of+Humanizing+Digital+Reality%22">Proceedings of Humanizing Digital Reality</a>. , Springer. Singapore. 671-681 (2018).</li>
<li>Pierik, R., De Wit, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Shade+avoidance%3A+phytochrome+signalling+and+other+aboveground+neighbour+detection+cues%5BTitle%5D)+AND+%22Journal+of+Experimental+Botany%22%5BJournal%5D)">Shade avoidance: phytochrome signalling and other aboveground neighbour detection cues.</a> Journal of Experimental Botany. 65 (10), 2815-2824 (2014).</li>
<li>Fraser, D. P., Hayes, S., Franklin, K. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Photoreceptor+crosstalk+in+shade+avoidance%5BTitle%5D)+AND+%22Current+Opinion+in+Plant+Biology%22%5BJournal%5D)">Photoreceptor crosstalk in shade avoidance.</a> Current Opinion in Plant Biology. 33, 1-7 (2016).</li>
<li>Hogewoning, S. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Photosynthetic+Quantum+Yield+Dynamics%3A+From+Photosystems+to+Leaves%5BTitle%5D)+AND+%22The+Plant+Cell%22%5BJournal%5D)">Photosynthetic Quantum Yield Dynamics: From Photosystems to Leaves.</a> The Plant Cell. 24 (5), 1921-1935 (2012).</li>
<li>McCree, K. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+action+spectrum%2C+absorptance+and+quantum+yield+of+photosynthesis+in+crop+plants%5BTitle%5D)+AND+%22Agricultural+Meteorology%22%5BJournal%5D)">The action spectrum, absorptance and quantum yield of photosynthesis in crop plants.</a> Agricultural Meteorology. 9, 191-216 (1971).</li>
<li>Wahby, M., et al. Autonomously shaping natural climbing plants: a bio-hybrid approach [Dataset]. , Available from:
 <a target="_blank" href="https://doi.org/10.5281/zenodo.1172160">https://doi.org/10.5281/zenodo.1172160</a> (2018).</li>
</ol>

作者声明不存在任何竞争性经济利益。

本文所展示的方法代表了实现植物生长在刺激驱动下自动定向、以生成特定图案的初步探索。该方法需要在将生化生长响应与工程化的机电功能——包括感知、通信和刺激的可控生成——整合到单一实验装置中的同时，持续维持植物的健康状态。由于本文重点关注攀援植物，因此机械支撑结构也是该系统的重要组成部分。当前装置的一个局限性在于其规模，但我们认为该方法具有良好的可扩展性。机械支架可以扩展至更大的装置，从而支持更长时间的生长过程，并允许更复杂的构型和图案。目前的装置仅限于二维空间和二元的左右决策，因为植物生长被限制在呈45°倾斜的机械支撑网格上，且植物决策位置仅限于该网格的分叉点。机械结构的扩展可包括三维支架和不同材料，以实现更复杂的形状9,19。该方法可被视为一种系统，能够自动培育出由用户定义的图案。通过扩展机械构型的可能复杂性，用户在设计目标图案时所受限制将大大减少。对于此类应用，应开发配套的用户软件工具，用于确认目标图案是否可实现，随后机电系统应能通过生成适当的刺激信号，自主组织并完成图案的构建。该软件还应进一步扩展，以包含恢复方案和策略，用于在原始计划图案部分失败时决定如何继续生长过程——例如，若首个激活的机器人始终未检测到植物，但处于休眠状态的机器人已发现生长尖端的位置已越过激活的机器人所在位置时，系统应能据此作出响应。
在本方法学中，符合方案选择标准的示例植物物种为攀援型普通菜豆P. vulgaris，该物种用于代表性结果的展示。由于P. vulgaris对紫外A波段（UV-A）和蓝光具有强烈的正向光向性，植物中的光向蛋白（光受体蛋白）将吸收波长为340–500 nm的光子。当受体被激活后，首先会因水分优先重分布至受体对侧的茎组织而引起茎部膨胀，产生可逆的方向性响应。随后，在茎内生长素（植物形态建成激素）被导向相同组织区域，持续维持方向性响应，并随着组织硬化而固定茎的形态。该特性可用于在受控室内环境中对植物进行塑形，因为植物仅暴露于独立的蓝光和独立的红光下，而来自红外接近传感器的远红光入射强度足够低，不会干扰避荫反应等行为20,21。植物的向光性反应在本装置中响应峰值发射波长为ƛmax = 465 nm的蓝光LED光源，而植物的光合作用22,23则由峰值发射波长为ƛmax = 650 nm的红光LED提供支持。P. vulgaris植株可生长至数米高，适用于整体实验装置，因为每盆所需约3 L的市售园艺土壤与装置的规模相匹配。
尽管当前的实验设置主要将光作为吸引刺激，但其他类型的刺激可能对不同的实验也具有相关性。如果目标生长模式需要将植物分为不同群体并使其分布在相对的两侧，则仅使用单一类型的刺激可能难以实现。对于这类与支架形状无关的复杂生长模式，可考虑在不同时间段分别培养不同群体的植物，以避免各自的吸引刺激相互干扰，同时也有助于整合分支事件。然而，这种方法并不总是适用，此时可在标准的趋光性刺激基础上，增加遮蔽等排斥性影响，或引入远红光、振动电机等其他刺激因素9,14。
本文所提出的方法和实验设计仅是迈向自动影响植物定向生长的复杂方法学的初步第一步。该实验设置仅通过确定植物的一系列二元决策，且我们仅关注一种易于控制的刺激因素。要验证该方法的统计显著性、引入更多刺激因素并控制其他过程（如分枝），还需开展进一步研究。若经过充分开发以确保机器人长期运行的可靠性，该方法学有望实现对植物实验的长期自动化，从而降低研究茎以外植物发育阶段所需的人力与资源开销。类似的方法未来还可用于探索生物体与自主机器人之间尚未充分研究的动态关系，尤其是在二者作为紧密耦合的自组织生物-混合系统共同作用时。

随着制造业和生产领域自动化程度的不断提高，机器人正被用于植物的播种、养护和收获1,2,3,4,5。我们利用机器人技术以非侵入性方式自动化植物实验，旨在通过刺激的方向性响应来调控植物生长。传统的园艺实践包括通过机械约束和修剪来人工塑形树木与灌木。本文提出的方法可用于此类塑形任务，即通过施加刺激来引导植物的生长模式。本方法也是迈向自动化植物实验的重要一步，尤其聚焦于提供光刺激。一旦该技术变得足够稳健可靠，将有望降低植物实验的成本，并实现一些因时间和人力投入过大而原本不可行的新型自动化实验。这些机器人组件可自由编程，并具备传感器、刺激施加执行器和微处理器，能够自主运行。本文主要关注近距传感（即近距离距离测量）和光刺激，但该系统同样支持多种其他可能性。例如，传感器可用于分析植物颜色、监测生化活性6，或采用植物传感（phytosensing）7方法，通过植物电生理学监测环境条件8。类似地，执行器还可提供其他类型的刺激9，例如通过振动电机、喷雾装置、加热器、风扇、遮光装置或用于定向物理接触的机械臂。此外，还可实施其他驱动策略，使机器人具备缓慢移动能力（即“慢速机器人”10），从而逐步调整其施加刺激的位置和方向。同时，由于机器人配备了单板计算机，它们还可运行更复杂的处理程序，例如用于植物表型分析的视觉成像11，或用于刺激调控的人工神经网络控制器12。由于植物科学研究通常聚焦于早期生长阶段（即茎部生长）13，利用自主机器人系统在较长时间内影响植物的研究仍属未充分探索的领域，未来可能蕴含大量研究机遇。更进一步，这些机器人组件本身也可作为研究对象，用于探究由机器人与植物紧密交互所形成的生物-人工混合系统的复杂动态。机器人选择性地向植物施加刺激，植物则根据其适应性行为作出响应并改变生长模式，该变化随后被机器人通过传感器检测到。我们的方法在植物与机器人之间构建了行为反馈闭环，形成了一个稳态控制回路。
在测试机器人系统功能的实验中，我们 exclusively 使用攀援型普通菜豆Phaseolus vulgaris。在该实验设置中，我们采用具有机械支撑的攀援植物，支撑结构为总高度180 cm的网格状支架，使植物受到触向性的影响，并且其生长方向的选择范围有限。由于我们希望在数周的时间内塑造整株植物的形态，因此我们利用蓝光刺激在宏观尺度上影响植物的光向性，涵盖从幼嫩茎尖到后期茎秆硬化等多个生长阶段。实验在完全可控的环境光照条件下进行，除提供的蓝光刺激外，其余光照均为红光，其峰值发射波长为650 nm。当植物生长至机械支撑网格的分叉点时，会做出向左或向右生长的二元选择。机器人被安置在这些机械分叉点处，彼此间隔40 cm。它们根据预设的期望生长模式图（本例中为锯齿形模式），自主开启和关闭其蓝光发射，蓝光峰值发射波长为465 nm。通过这种方式，植物被引导按照既定顺序从一个分叉点生长至下一个分叉点。每次仅有一个机器人被激活，在此期间，该机器人发射蓝光，并自主监测其下方机械支撑上的植物生长情况。一旦其红外接近传感器检测到生长尖端，即停止蓝光发射，并通过无线电通信通知相邻的机器人。随后，被判定为序列中下一个目标的机器人被激活，吸引植物向新的机械分叉点生长。
由于我们的方法结合了人工设计与自然机制，实验包含多种同时且相互依赖的操作方法。本方案首先按方法类型进行组织，每种方法都必须整合到统一的实验设置中。这些类型包括：植物物种选择；机器人设计（含硬件与机械结构）；用于通信与控制的机器人软件；以及植物健康状况的监测与维护。随后，方案继续介绍实验设计，接着是数据采集与记录。有关迄今获得结果的完整细节，请参见 Wahby 等人14。代表性结果涵盖三类实验：对照实验，其中所有机器人都不提供刺激（即处于休眠状态）；单决策实验，其中植物在一台提供刺激的机器人与一台休眠机器人之间进行二选一；以及多决策实验，其中植物通过一系列二选一决策，生长出预设的模式。

<table><tbody><tr><td>3D打印外壳</td><td>Shapeways, Inc</td><td>n/a</td><td>定制产品，https://www.shapeways.com/</td></tr><tr><td>3D打印关节件</td><td>n/a</td><td>n/a</td><td>由作者自行制作</td></tr><tr><td>Adafruit BME280 I2C或SPI温湿度压力传感器</td><td>Adafruit</td><td>2652</td><td></td></tr><tr><td>Arduino Uno Rev 3</td><td>Arduino</td><td>A000066</td><td></td></tr><tr><td>CdS光敏电阻</td><td>Lida Optical &amp; Electronic Co., Ltd</td><td>GL5528</td><td></td></tr><tr><td>Cybertronica PCB</td><td>Cybertronica Research</td><td>n/a</td><td>定制产品，http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf</td></tr><tr><td>直流无刷鼓风机风扇</td><td>Sunonwealth Electric Machine Industry Co., Ltd.</td><td>UB5U3-700</td><td></td></tr><tr><td>数字温度传感器</td><td>Maxim Integrated</td><td>DS18B20</td><td></td></tr><tr><td>高功率（800 mA）EPILED-远红/红外（740-745 nm）</td><td>Future Eden Ltd.</td><td>n/a</td><td></td></tr><tr><td>I2C土壤湿度传感器</td><td>Catnip Electronics</td><td>v2.7.5</td><td></td></tr><tr><td>红外接近传感器（4-30 cm）</td><td>Sharp Electronics</td><td>GP2Y0A41SK0</td><td></td></tr><tr><td>LED手电筒（50 W）</td><td>Inter-Union Technohandel GmbH</td><td>103J50</td><td></td></tr><tr><td>室内植物用LED红蓝吊灯（45 W）</td><td>Erligpowht</td><td>B00S2DPYQM</td><td></td></tr><tr><td>低压潜水泵 600 l/h（扬程6 m）</td><td>Peter Barwig Wasserversorgung</td><td>444</td><td></td></tr><tr><td>中密度纤维板</td><td>n/a</td><td>n/a</td><td>用于支架</td></tr><tr><td>基于Arduino兼容转接板的微光谱仪（Hamamatsu）</td><td>Pure Engineering LLC</td><td>C12666MA</td><td></td></tr><tr><td>Pixie - 可级联智能LED像素（3W）</td><td>Adafruit</td><td>2741</td><td></td></tr><tr><td>花盆（容量3.5 L，高度15.5 cm）</td><td>n/a</td><td>n/a</td><td></td></tr><tr><td>电源适配器（5 V，10 A）</td><td>Adafruit</td><td>658</td><td></td></tr><tr><td>Raspberry Pi 3 Model B</td><td>Raspberry Pi Foundation</td><td>3B</td><td></td></tr><tr><td>Raspberry Pi Camera Module V2</td><td>Raspberry Pi Foundation</td><td>V2</td><td></td></tr><tr><td>Raspberry Pi Zero</td><td>Raspberry Pi Foundation</td><td>Zero</td><td></td></tr><tr><td>带红外滤光片和白光LED的RGB颜色传感器 - TCS34725</td><td>Adafruit</td><td>1334</td><td></td></tr><tr><td>播种与草本植物专用土壤</td><td>Gardol</td><td>n/a</td><td></td></tr><tr><td>四季豆种子</td><td>SPERLI GmbH</td><td>402308</td><td></td></tr><tr><td>5 mm厚透明亚克力板</td><td>n/a</td><td>n/a</td><td>用于附加结构支撑</td></tr><tr><td>黑色涂装桦木棒（直径5 mm）</td><td>n/a</td><td>n/a</td><td>供植物攀爬使用</td></tr></tbody></table>

用于引导植物生长的机器人感知与刺激供给

Robotic Sensing and Stimuli Provision for Guided Plant Growth

机器人系统在自然植物操控方面的研究正受到广泛关注，但通常局限于农业自动化活动，如收获、灌溉和机械除草。在此基础上，我们提出一种新颖的方法，通过植物自身的信号传导和激素分布机制来调控其定向生长。一种有效的机器人刺激供给方法，可为植物后期发育阶段的新实验或新型生物技术应用（如塑造用于绿色墙体的植物形态）开辟新的可能性。与植物交互带来了若干机器人技术挑战，包括对微小且可变的植物器官进行近距离感知，以及在环境因素和所施加刺激共同影响下，对植物响应进行精确控制。为了引导植物生长方向，我们开发了一组固定式机器人，其配备传感器以检测植物生长尖端的接近情况，并配备发光二极管提供光刺激以触发向光性反应。该系统在中国台湾地区进行的受控环境中，以攀援型普通菜豆（Phaseolus vulgaris）为实验对象，开展了持续长达五周的实验。通过机器人依次发射峰值波长为465 nm的蓝光，成功引导植物在机械支撑结构上通过连续的二元选择，最终到达目标位置。实验装置高度达180 cm，在约七周时间内，植物茎干累计生长长度达约250 cm。这些机器人能够自主协调并完全自主运行：通过红外接近传感器检测植物尖端的接近，并通过无线电通信按需切换蓝光刺激与休眠状态。总体而言，实验结果验证了将机器人技术与植物实验方法相结合，在研究自然与人工自主系统之间潜在复杂相互作用方面的有效性。

对照：无机器人刺激下的植物行为。 
由于缺乏蓝光（即所有机器人都处于休眠状态），植物未触发正向光向性。因此，植物仅依据向重力性表现出无偏向的向上生长。它们还表现出典型的回旋运动（即盘绕），见图4A。如预期所示，植物无法找到通向休眠机器人的机械支撑，当植物自身无法再支撑其重量时便发生倒伏。当至少有两株植物倒伏时，我们终止实验，见图4B、C。
单一或多重决策：植物在机器人刺激下的行为 
在四个 单决策 实验中，两次运行采用向左转向（即分叉左侧的机器人被激活作为 刺激），另外两次运行采用向右转向。这些 刺激 机器人成功引导植物朝向正确的支撑物，见图5。茎秆角度与正确支撑物最接近的植物首先附着。在每次实验中，至少有一株植物会附着到支撑物上，并持续攀爬直至接触到 刺激 机器人，从而结束实验。在一个实验中，第二株植物也附着到了正确的支撑物上。其余植物可能在更长的实验时间内也会发生附着。没有任何一株植物附着到错误的支撑物上。每个实验平均持续连续运行13天。
在两个多决策实验中，植物生长形成预设的之字形模式，见图6A。每个实验持续约七周。实验开始时，机器人将其状态设为刺激（见3.6.3），并根据规定模式引导植物朝向正确的支撑物生长。植物附着并攀爬该支撑物，最终到达被激活的刺激机器人，从而完成第一次决策。根据3.7.3，当前的刺激机器人随后转为休眠状态，并通知其相邻的邻居。在之字形模式中下一个位置的休眠邻居将自身切换为刺激状态（见3.7.6）。若休眠机器人检测到植物，则不作出反应（见3.7.2）。植物继续生长，并成功完成剩余的三次决策。因此，预设的之字形模式得以完整生长，见图6B。
所有实验数据以及视频均可在线获取24.
<img alt="带有光敏电阻、红外传感器、RGB LED 的电子元件示意图；标注了用于研究的部件。" class="xfigimg" src="/files/ftp_upload/59835/59835fig1.jpg" data-altupdatedat="1788282455000" data-alt="图 1"> 
图 1. 静止机器人及其主要组件。 该图改编自作者发表的文章 Wahby 等14，根据知识共享许可协议 CC-BY 4.0 使用（参见补充文件），并依照许可允许的方式进行了修改。<a href="https://www.jove.com/files/ftp_upload/59835/59835fig1large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>
<img alt="用于自动化的树莓派控制示意图，包含传感器、LED驱动器、ADC和GPIO设置。" class="xfigimg" src="/files/ftp_upload/59835/59835fig2.jpg" data-altupdatedat="1788282455000" data-alt="Figure 2"> 
图2. 固定式机器人电子系统的组件示意图。 IRLML2060 LED驱动器通过脉宽调制（PWM）与机器人的单板计算机（例如Raspberry Pi）连接，以控制LED的亮度。LP5907开关通过通用输入/输出（GPIO）接口引脚与单板计算机连接，用于控制风扇。MCP3008模数转换器（ADC）通过串行外设接口（SPI）与单板计算机连接，用于读取红外（IR）传感器和光敏电阻（LDR）传感器的模拟信号数据。<a href="https://www.jove.com/files/ftp_upload/59835/59835fig2large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="红外传感器测量；A：随时间变化的红外数据图，B：带有植物尖端的红外接近传感器设置示意图。" class="xfigimg" src="/files/ftp_upload/59835/59835fig3.jpg" data-altupdatedat="1788282455000" data-alt="图 3"> 
图3. 在“03.04.16”时间点后不久，植物尖端攀附支撑物并进入机器人的视野范围。（A）实验过程中红外接近传感器的标定电压读数（纵轴）。较高的数值表示检测到植物尖端。（B）红外接近传感器根据支撑物的安装位置进行放置和定向，以确保有效检测植物尖端。该图改编自作者发表的文献Wahby等14，经Creative Commons许可CC-BY 4.0授权使用（见补充文件），并根据许可允许的范围进行了修改。<a href="https://www.jove.com/files/ftp_upload/59835/59835fig3large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>
<img alt="植物生长方向示意图；Y型迷宫装置；向光性实验；光响应分析。" class="xfigimg" src="/files/ftp_upload/59835/59835fig4.jpg" data-altupdatedat="1788282455000" data-alt="图 4"> 
图 4. 对照实验结果图像，显示在无蓝光条件下，四株植物均未附着任何支撑物。（A）经过五天后，其中一项对照实验中所有植物均向上生长（后续生长状态见（C））。（B）经过15天后，第一项对照实验中三株植物倒伏，一株仍保持向上生长。（C）经过七天后，第二项对照实验中两株植物倒伏，两株仍保持向上生长（此前生长状态见（A））。该图改编自作者发表文献 Wahby 等14，根据知识共享许可协议 CC-BY 4.0 使用（详见补充文件），并依照许可允许的方式进行了修改。<a href="https://www.jove.com/files/ftp_upload/59835/59835fig4large.jpg" target="_blank">请点击此处查看该图的高清版本。</a>
<img alt="不同LED光照条件下植物生长；植物学实验，光合作用响应分析" class="xfigimg" src="/files/ftp_upload/59835/59835fig5.jpg" data-altupdatedat="1788282455000" data-alt="图5"> 
图5. 单次决策 实验结果帧显示了一种能力 刺激 机器人引导植物完成二元选择，攀爬正确的支撑物。 在全部四项实验中，将一个机器人设定为 刺激 以及另一个 休眠的在连接处相对的两侧。图中显示了植物在该时刻之前所处的位置 刺激 机器人检测到它们。在每次实验中，至少有一株植物附着到正确的支撑物上，且没有任何植物附着到错误的支撑物上。此外，未受支撑的植物表现出向某一方向偏斜的生长趋势 刺激 机器人 E, F，G, H 是局部放大图 A, B, C, D 分别。图示转载自作者发表文献 Wahby 等。14，根据知识共享署名4.0国际许可协议（CC-BY 4.0）使用（参见补充文件），并依照许可允许的范围进行修改。 <a href="https://www.jove.com/files/ftp_upload/59835/59835fig5large.jpg" target="_blank">请点击此处以查看此图的放大版本。</a>
<img alt="在LED光照下植物生长与结构框架分析的静态平衡示意图。" class="xfigimg" src="/files/ftp_upload/59835/59835fig6v2.jpg" data-altupdatedat="1788282455000" data-alt="图6"> 
图6. 多决策 实验。（A）目标之字形图案在地图上以绿色突出显示。（B）实验最后阶段的图像（第40天后），显示在图案末端的最后一个刺激机器人检测到植物前的植株状态。机器人成功引导生成了该之字形图案。本图改编自作者发表文献Wahby等14，根据知识共享许可协议CC-BY 4.0（见补充文件）使用，允许范围内已作修改。<a href="https://www.jove.com/files/ftp_upload/59835/59835fig6large.jpg" target="_blank">请点击此处查看此图的高清版本。</a>

分布式机器人节点提供一系列蓝光刺激，以引导攀援植物的生长轨迹。通过激活植物的天然向光性，机器人引导植物做出左右二元选择，使其生长成预设的图案；而当机器人处于休眠状态时，则无法实现此类生长模式。

机器人系统在自然植物操作方面的研究正在积极开展，通常局限于农业自动化活动，如收获等。

利用自主系统引导植物的定向生长是一种新颖且原创的概念，此前尚未有报道。对我们而言，关键在于确定实际可行的方案。我们的技术是首个通过机器人节点自动实现植物按预定形状和形态生长的方法，机器人节点利用传感器检测植物，并相应地切换刺激信号。该方法及所使用的机器人可用于具有动态生长结构的系统，其中反馈机制决定生物混合系统的发育过程。维持植物健康并检测其在交叉点的存在具有挑战性。务必确保外部光源不会在故障状态下引发向光性反应。为了展示植物与机器人在较长时间内协作生长出用户定义的生长模式，必须进行可视化演示。我们研究团队的研究生 Julian Ptezold 将演示实验流程。在开始实验之前，选择一种已知其生长尖端对紫外线A和蓝光表现出强烈正向光趋性的植物物种。我们选择菜豆（Phaseolus vulgaris）或普通豆类，因为它们生长迅速，并对蓝光表现出明显的定向生长反应。每个机器人围绕一台带有无线局域网功能的单板计算机构建，并通过定制的印刷电路板将该计算机与传感器和执行器连接。在测试植物接近的每个方向上，安装一个红外接近传感器，以及足够数量的发光二极管，以满足该方向蓝光照射的需求。包含能够在机器人之间提供局部提示的硬件，并为相邻机器人的每个方向配备光敏电阻，以监测其发光状态。根据所选蓝色二极管的工作条件及所用机器人外壳的实际情况，采用铝制散热片、每个机器人外壳上的通风孔和风扇的组合方式，配置必要的散热硬件。在确认机器人组件的各个方向均得到均匀服务后，安装蓝色二极管，使其向植物可能接近的各个方向提供相等的光强，并将每个二极管在机器人外壳中的方向进行调整，使其透镜角度的中心轴线与所服务机械支撑的各轴线之间的夹角在60度以内。将红外接近传感器安装在距离机器人与所维护机械支撑结构连接点一厘米范围内，且与各自对应的植物生长接近方向相对应的位置，调整每个传感器的方向，使其视场角与支撑轴平行。接下来，将一块125厘米×180厘米的透明丙烯酸板固定在宽度为125厘米、可将整个装置保持直立状态的支架上。将机器人集成到一组模块化机械支撑结构中，这些支撑结构既能固定机器人的位置，又可作为植物攀爬的脚手架，从而限制植物可能的平均生长轨迹。在每个机器人上设置固定点，用于锚定特定的机械支撑结构，每个植物可能接近或离开机器人的方向均需设置一个固定点。将装有合适土壤的花盆放置在支架上，紧贴亚克力板，并将两个机器人固定在亚克力板上，将先前安装的支撑杆末端插入机器人外壳上的插孔中。随后重复此模式，将剩余的机器人和支撑结构按对角网格排列固定，使每排机器人位于前一排上方35厘米处，且每个机器人在水平方向上正对下方隔一排的机器人或Y型接头正上方位置。机械支撑应按照规则的网格图案排列，呈均匀的对角线分布，倾斜角度为45度或更陡，每个支撑的长度应均匀且至少为30厘米。建议的外露长度应至少为40厘米，以在植物脱落的统计学极端情况下提供一定的缓冲余量。在机器人软件中，设置一个刺激状态，在此状态下机器人发射蓝光；同时设置一个休眠状态，在此状态下机器人不发光或发射红光。将实验装置置于受控的环境条件下，并使用位于机器人外部并朝向实验装置的发光二极管生长灯维持植物光合作用。种子萌发后，为每株植物在实验装置底部提供独立花盆，并根据所选物种的需求，利用加热器、空调、加湿器和除湿器调节空气温度和湿度，并通过温压湿传感器监测这些参数。为测试植物在多种连续刺激条件下的生长情况，向机器人提供待生成图案的全局地图，并通过从两个或更多观察位置设置的摄像头持续采集实验的时间延时视频，其中至少一个摄像头视角需覆盖整个实验装置。确保所捕获的图像具有足够高的分辨率，以充分捕捉植物生长尖端的运动，其宽度通常仅为几毫米。随后，在适当的实验生长期中，观察植物在机械支撑物上的附着事件及生长模式。在缺乏蓝光的条件下，正向光向性不会被触发，植物将遵循向重力性表现出无偏向的向上生长。这些植物还表现出典型的回旋运动。在这些条件下，植物无法找到机械支撑，导致与休眠机器人相连的植株在无法再支撑自身重量时发生倒伏。当至少有两株植物倒伏时，应停止实验。在此具有代表性的单决策实验中，刺激机器人成功引导植物朝向正确的支撑物生长。在此具有代表性的多决策实验中，植物利用休眠机器人和刺激机器人分别感知和刺激植物生长，最终形成预设的之字形生长模式。研究此类生物混合系统为融合建筑学、生物学与工程学的新兴技术开辟了道路，有望开发出可适应的活体结构并培育出建筑构件。

robotic-sensing-and-stimuli-provision-for-guided-plant-growth

Research

科研

JoVE Journal

Engineering

工程

机器人传感和刺激为引导植物生长提供

我们报道了一种在植物细胞中引入、追踪和定量分析GFP表达的方法。该方法利用自行设计的机器人系统，对大量样品进行随时间推移的半连续图像采集。我们还展示了使用ImageJ和ImageReady对图像序列进行分析的方法。...

用于植物组织基因表达研究的机器人技术与动态图像分析

本文提供了一种在RootChip中培养拟南芥幼苗的实验方案。RootChip是一种微流控成像平台，可自动控制生长条件，同时实现根部的显微监测以及基于FRET的细胞内代谢物水平检测。...

利用RootChip快速调控根际环境对拟南芥根生长进行延时荧光成像

来源：Nathoo, N.，等．一种用于植物/微生物分子互作与信号传导同步系统分析的水培共培养系统．J. Vis. Exp.

一种用于研究植物宿主与互作细菌分子响应的共培养系统

所述的水培共培养系统利用金属网筛支撑完整植物，并与细菌进行共培养。随后可分别收集植物组织、细菌及分泌的分子，用于下游分析，同时可对植物宿主及其相互作用的微生物或微生物组的分子响应进行研究。...

一种用于植物/微生物分子互作与信号传导同步系统分析的水培共培养系统

本文介绍了一种利用RGB成像和高光谱成像评估土壤中生长的植物根系的实验方案。将RGB图像的时间序列与高光谱扫描的化学计量信息相结合，可优化对植物根系动态的深入理解。...

用于植物表型分析与生理学研究的RGB与光谱根系成像：实验设置与成像方案

赤霉素感知传感器1（GPS1）是首个基于荧光共振能量转移的生物传感器，可用于高时空分辨率地测定细胞内赤霉素类植物激素的水平。本实验方案介绍了利用遗传编码的nlsGPS1生物传感器在拟南芥（Arabidopsis）下胚轴和根尖中可视化并定量细胞内赤霉素水平的方法。...

利用nlsGPS1 Förster共振能量转移（FRET）生物传感器可视化细胞内赤霉素水平

一种轻柔触动力加载装置由人发刷、机械臂和控制器构成。装置上的机械臂驱动发刷，使其周期性运动，对植物施加触动力。该机械装置产生的发刷触动力与人工施加的触动力相当。...

一种省力且可重复的触发力信号突变体筛选方案，用于模式植物 Arabidopsis thaliana 触发形态建成的研究

这种高通量、遥测式、全植株水分关系的称重表型分析方法，能够直接、同步地进行实时测量，并分析参与动态植物-环境相互作用的多种与产量相关的生理性状。...

一种用于植物–环境互作实时生理表型分析的遥测式称重平台

我们使用简单的实验工具来观察拟南芥和苜蓿的根系结构（RSA）。将幼苗在网筛上进行水培培养，并用画笔将其展开以显露根系结构。通过扫描仪或高分辨率相机拍摄图像，然后使用ImageJ软件分析并绘制性状图谱。...

一种用于绘制植物根系构型性状的简易方案

我们设计了一种基于图像的表型分析方案，用于确定植物对单一及复合的高温、干旱和涝渍处理所引发的形态学和生理学响应。该方法能够在全植株水平（尤其是地上部分）识别早期、晚期以及恢复期的响应特征，并凸显了使用多种成像传感器的必要性。...

基于高通量图像的表型分析技术用于确定马铃薯对单一及复合胁迫的形态与生理响应

本文描述了一种非破坏性、高通量的方法，用于自主进行田间光系统II量子效率、光谱反射率和植物构型的测量，从而实现农艺学和育种田间试验中大规模冠层光合作用表型分析。...

利用自主机器人在田间对作物植物光合效率进行高通量筛选

了解利用自主机器人节点和蓝光刺激引导菜豆生长方向的方法。该技术通过激活向光性实现植物定向生长，为生物混合系统在农业中的应用开辟新途径。

用于引导植物生长的机器人感知与刺激供给

探索更多视频