Name: Suministro de sensistes y de sinensistes para el crecimiento guiado de la planta (Video) | JoVE Journal
Uploaded: 2019-07-01T15:00:00.000+00:00
Duration: 8 min 2 s
Description: Aprende a guiar el crecimiento de plantas trepadoras mediante nodos robóticos autónomos que utilizan luz azul para activar el fototropismo. Este método demuestra la viabilidad de sistemas biohíbridos en agricultura.

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

Este estudio fue apoyado por el proyecto flora robotica que recibió financiación del programa de investigación e innovación Horizonte 2020 de la Unión Europea en virtud del acuerdo de subvención de la FET, no 640959. Los autores agradecen a Anastasios Getsopulos y Ewald Neufeld por su contribución en el montaje de hardware, y tanja Katharina Kaiser por su contribución en el monitoreo de experimentos de plantas.

<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>

Los autores declaran que no tienen intereses financieros en competencia.

La metodología presentada muestra los primeros pasos hacia la automatización de la dirección impulsada por los estímulos del crecimiento de la planta, para generar patrones específicos. Esto requiere un mantenimiento continuo de la salud de las plantas mientras se combina en un solo experimento configurar los distintos reinos de las respuestas de crecimiento bioquímicoy de ingeniería de detección de funciones mecatrónicas, comunicación y generación controlada de estímulos. Como nos centramos aquí en las plantas de escalada, el apoyo mecánico también es integral. Una limitación de la configuración actual es su escala, pero creemos que nuestra metodología se escala fácilmente. El andamio mecánico se puede ampliar para configuraciones más grandes y, por lo tanto, períodos más largos de crecimiento, lo que también permite configuraciones y patrones ampliados. Aquí la configuración se limita a dos dimensiones y decisiones binarias izquierda-derecha, ya que el crecimiento se limita a una cuadrícula de soportes mecánicos a una inclinación de 45o, y las posiciones de decisión de la planta se limitan a las bifurcaciones de esa cuadrícula. Las extensiones mecánicas pueden incluir andamios 3D ymateriales diferentes, para permitir formas complejas 9,19. La metodología se puede considerar un sistema para crecer automáticamente patrones definidos por un usuario. Al ampliar la posible complejidad de las configuraciones mecánicas, los usuarios deben enfrentarse a pocas restricciones en sus patrones deseados. Para una aplicación de este tipo, una herramienta de software de usuario debe confirmar que el patrón es producible, y la mecatrónica debe entonces autoorganizar la producción del patrón mediante la generación de estímulos adecuados para dirigir las plantas. El software también debe ampliarse para incluir planes de recuperación y políticas que determinan cómo continuar con el crecimiento si el patrón planificado original ha fallado parcialmente, por ejemplo, si el primer robot activado nunca ha detectado una planta, pero los inactivos han visto que la posición de las puntas de crecimiento están más allá del robot activado.
En la metodología presentada, un ejemplo de especies vegetales que cumplen con los criterios de selección de protocolo es el beano común de escalada, P. vulgaris. Esta es la especie utilizada en los resultados representativos. Como P. vulgaris tiene un fuerte fototropismo positivo a UV-A y luz azul, las fototropinas (proteínas receptoras de luz) en la planta absorberán fotones correspondientes a longitudes de onda 340-500 nm. Cuando se activan los receptores, se producirá la primera hinchazón en el tallo por la reubicación preferencial del agua a los tejidos del tallo que se oponen a los receptores activados, causando una respuesta direccional reversible. Luego, dentro del tallo, la auxina (hormona de patrón de la planta) se dirige a la misma ubicación del tejido, perpetuando la respuesta direccional y fijando los tejidos del tallo a medida que se endurecen. Este comportamiento se puede utilizar para dar forma a las plantas en estas condiciones interiores controladas, ya que las plantas están expuestas sólo a luz azul aislada y luz roja aislada, con luz roja muy incidente de los sensores de proximidad IR a niveles lo suficientemente bajos como para que no interfiera con comportamientos como la respuesta de evitación de sombras20,21. La reacción del fototropismo en la planta responde en la configuración a la luz de los diodos azules con la emisión máxima de 465 nm, y la fotosíntesis22,23 en la planta está apoyada por diodos rojos con emisión máxima de 650 nm. P. vulgaris creciendo hasta varios metros de altura es adecuado en la configuración general, ya que el aproximadamente 3 L de suelo de jardinería comercial necesario por maceta se ajusta a la escala de configuración.
Aunque la configuración actual se centra en la luz como un estímulo de atracción, estímulos adicionales pueden ser relevantes para otros tipos de experimentos. Si el patrón deseado requiere una separación entre diferentes grupos de plantas (por ejemplo, el patrón deseado necesita dos grupos de plantas para elegir lados opuestos), entonces puede no ser factible usando sólo un tipo de estímulo. Para estos patrones de crecimiento complejos independientes de la forma del andamio, los diferentes grupos de plantas pueden potencialmente ser cultivados en diferentes períodos de tiempo de modo que sus respectivos estímulos de atracción no interfieran, lo que también permitiría la integración de la ramificación Eventos. Sin embargo, esto puede no ser siempre una solución adecuada, y el estímulo de luz atractivo estándar podría entonces ser aumentado por la repeleción de influencias como el sombreado, o por otros estímulos como la luz roja o motores de vibración9,14.
El método presentado y el diseño del experimento son sólo un primer paso inicial hacia una metodología sofisticada para influir automáticamente en el crecimiento direccional de las plantas. La configuración del experimento es básica mediante la determinación de sólo una secuencia de decisiones binarias en las plantas y nos centramos en uno, fácil de manejar el estímulo. Se requerirían estudios adicionales para probar la importancia estadística del método, para agregar más estímulos y para controlar otros procesos como la ramificación. Con un desarrollo suficiente para garantizar la fiabilidad a largo plazo de los robots, la metodología presentada podría permitir la automatización de experimentos de plantas durante largos períodos de tiempo, reduciendo los gastos generales asociados con el estudio de las etapas de desarrollo de la planta más allá de la de los brotes. Métodos similares pueden permitir futuras investigaciones sobre la dinámica infraexplorada entre organismos biológicos y robots autónomos, cuando los dos actúan como sistemas biohíbridos auto-organizadores estrechamente acoplados.

Congruente según la creciente prevalencia de la automatización en la fabricación y producción, los robots se utilizan para sembrar, tratar y cosechar plantas1,2,3,4,5. Utilizamos la tecnología robótica para automatizar los experimentos de plantas de una manera no invasiva, con el propósito de dirigir el crecimiento a través de respuestas direccionales a los estímulos. Las prácticas tradicionales de jardinería han incluido la conformación manual de árboles y arbustos mediante la sujeción mecánica y el corte. Presentamos una metodología que, por ejemplo, se puede aplicar a esta tarea de modelado, dirigiendo patrones de crecimiento con estímulos. Nuestra metodología presentada es también un paso hacia experimentos automatizados de plantas, aquí con un enfoque específico en proporcionar estímulos ligeros. Una vez que la tecnología se ha vuelto robusta y confiable, este enfoque tiene potencial para reducir los costos en los experimentos de la planta y para permitir nuevos experimentos automatizados que de otra manera serían inviables debido a la sobrecarga en el tiempo y la mano de obra manual. Los elementos robóticos son libremente programables y actúan de forma autónoma, ya que están equipados con sensores, actuadores para la provisión de estímulos y microprocesadores. Si bien nos centramos aquí en la detección de proximidad (es decir, la medición de distancias a corta distancia) y los estímulos ligeros, muchas otras opciones son factibles. Por ejemplo, se pueden utilizar sensores para analizarel color de la planta, para monitorear la actividad bioquímica 6, o para fitosensing7 enfoques para monitorear, por ejemplo, las condiciones ambientales a través de la electrofisiología vegetal8. Del mismo modo, las opciones deactuadores pueden proporcionar otros tipos de estímulos 9, a través de motores de vibración, dispositivos de pulverización, calentadores, ventiladores, dispositivos de sombreado o manipuladores para el contacto físico dirigido. Se podrían implementar estrategias de accionamiento adicionales para proporcionar una movilidad lenta a los robots (es decir, 'bots lentos'10),de modo que podrían cambiar gradualmente la posición y la dirección desde la que proporcionan estímulos. Además, como los robots están equipados con computadoras de una sola placa, podrían ejecutar procesos más sofisticados como la visión para el fenotipado de plantas11 o controladores de redes neuronales artificiales para la actuación de estímulos12. Como la investigación de la ciencia vegetal se centra a menudo en el crecimiento temprano (es decir, en brotes)13, todo el dominio del uso de sistemas robóticos autónomos para influir en las plantas durante períodos más largos parece infraexplorado y puede ofrecer muchas oportunidades futuras. Yendo un paso más allá, los elementos robóticos pueden ser vistos como objetos de investigación en sí, permitiendo el estudio de la compleja dinámica de los sistemas biohíbridos formados por robots y plantas que interactúan estrechamente. Los robots imponen estímulos selectivamente en las plantas, las plantas reaccionan de acuerdo a su comportamiento adaptativo y cambian su patrón de crecimiento, que posteriormente es detectado por los robots a través de sus sensores. Nuestro enfoque cierra el bucle de retroalimentación conductual entre las plantas y los robots y crea un bucle de control homeostático.
En nuestros experimentos para probar la función del sistema robótico, utilizamos exclusivamente el haba común de escalada, Phaseolus vulgaris. En esta configuración, utilizamos plantas de escalada, con soportes mecánicos en un andamio cuadriculado de altura total de 180 cm, de modo que las plantas están influenciadas por el tigmotropismo y tienen un conjunto limitado de direcciones de crecimiento para elegir. Dado que queremos dar forma a toda la planta durante un período de semanas, utilizamos estímulos de luz azul para influir macroscópicamente en el fototropismo de la planta, durante diferentes períodos de crecimiento, incluyendo brotes jóvenes y endurecimiento posterior del tallo. Realizamos los experimentos en condiciones de luz ambiente totalmente controladas donde aparte de los estímulos de luz azul proporcionamos exclusivamente luz roja, con emisión máxima a longitud de onda 650 nm. Cuando alcanzan una bifurcación en la cuadrícula de soporte mecánico, toman una decisión binaria si crecer a la izquierda o a la derecha. Los robots se colocan en estas bifurcaciones mecánicas, separados por distancias de 40 cm. Activan y desactivan de forma autónoma su emisión de luz azul, con una emisión máxima de longitud de onda de 465 nm, según un mapa predefinido del patrón de crecimiento deseado (en este caso, un patrón en zigzag). De esta manera, las plantas se guían desde la bifurcación hasta la bifurcación en una secuencia definida. Solo se activa un robot en un momento dado, durante el cual emite luz azul mientras supervisa de forma autónoma el crecimiento de la planta en el soporte mecánico debajo de él. Una vez que detecta una punta creciente utilizando sus sensores de proximidad infrarrojos, deja de emitir luz azul y se comunica con sus robots vecinos a través de la radio. El robot que determina a sí mismo ser el siguiente objetivo en la secuencia y luego se activa, atrayendo el crecimiento de la planta hacia una nueva bifurcación mecánica.
Como nuestro enfoque incorpora mecanismos de ingeniería y naturales, nuestros experimentos incluyen varios métodos que operan simultáneamente e interdependientemente. El protocolo aquí se organiza primero según el tipo de método, cada uno de los cuales debe integrarse en una configuración de experimento unificada. Estos tipos son la selección de especies vegetales; diseño de robot incluyendo hardware y mecánica; software robot para la comunicación y el control; y el seguimiento y mantenimiento de la salud vegetal. A continuación, el protocolo continúa con el diseño del experimento, seguido de la recopilación y grabación de datos. Para obtener todos los detalles de los resultados obtenidos hasta el momento, véase Wahby et al.14. Los resultados representativos abarcan tres tipos de experimentos: experimentos de control en los que todos los robots no proporcionan estímulos (es decir, están inactivos); experimentos de una sola decisión donde la planta hace una elección binaria entre un robot que proporciona estímulos y uno que está inactivo; y experimentos de decisión múltiple donde la planta navega por una secuencia de opciones binarias para hacer crecer un patrón predefinido.

<table><tbody><tr><td>Estuche impreso en 3D</td><td>Shapeways, Inc</td><td>n/a</td><td>Producto personalizado,</td></tr> <tr><td>uniones impresas en https://www.shapeways.com/ D</td><td>n/a</td><td>n/a Producido</td><td>por los autores</td></tr><tr><td>Adafruit BME280 I2C o SPI Sensor de Presión, Temperatura y Humedad</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>Células fotoconductoras CdS</td><td>Lida Óptica & Electronic Co., Ltd</td><td>GL5528</td><td></td></tr><tr><td>Cybertronica PCB</td><td>Cybertronica Research</td><td>n/a</td><td>Producto personalizado, http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf</td></tr><tr><td>DC Brushless Blower Fan</td><td>Sunonwealth Electric Machine Industry Co., Ltd.</td><td>UB5U3-700</td><td></td></tr><tr><td>Sensor de temperatura digital</td><td>Maxim Integrado</td><td>DS18B20</td><td></td></tr><tr><td>Alta Potencia (800 mA) EPILED - Rojo lejano / Infrarrojo (740-745 nm)</td><td>Future Eden Ltd.</td><td>n/a</td><td></td></tr><tr><td>I2C Sensor de humedad del suelo</td><td>Catnip Electronics</td><td>v2.7.5</td><td></td></tr><tr><td>Sensores de proximidad IR (4-30 cm)</td><td>Sharp Electronics</td><td>GP2Y0A41SK0</td><td></td></tr><tr><td>linterna LED (50 W)</td><td>Inter-Union Technohandel GmbH</td><td>103J50</td><td></td></tr><tr><td>LED Rojo Azul Lámpara colgante para planta de interior (45 W)</td><td>Erligpowht</td><td>B00S2DPYQM</td><td></td></tr><tr><td>Bomba sumergible de baja tensión 600 l/h (6 m de elevación)</td><td>Peter Barwig Wasserversorgung</td><td>444</td><td></td></tr><tr><td>Tableros de fibra de densidad media</td><td>n/a</td><td>n/a</td><td>Para soporte</td></tr><tr><td>Micro-Spectrometer (Hamamatsu) en una placa de conexión compatible con Arduino</td><td>Pure Engineering LLC</td><td>C12666MA</td><td></td></tr><tr><td>Pixie - 3W Enclavable Smart LED Pixel</td><td>Adafruit</td><td>2741</td><td></td></tr><tr><td>Macetas (3,5 l de capacidad de almacenamiento, 15,5 cm de altura)</td><td>n/a</td><td>n/a</td><td></td></tr><tr><td>Fuentes de alimentación (5 V, 10 A)</td><td>Adafruit</td><td>658</td><td></td></tr><tr><td>Raspberry Pi 3 Modelo 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>Sensor de color RGB con filtro IR y LED blanco - TCS34725</td><td>Adafruit</td><td>1334</td><td></td></tr><tr><td>Siembra y tierra de hierbas</td><td>Gardol</td><td>n/a</td><td></td></tr><tr><td>Frijol</td><td>SPERLI GmbH</td><td>402308</td><td></td></tr><tr><td>Hoja acrílica transparente de 5 mm</td><td>n/a</td><td>n/a Para</td><td>soporte estructural complementario</td></tr><tr><td>Varillas de madera (madera de abedul), pintadas de negro, 5 mm de diámetro</td><td>n/a</td><td>n/a</td><td>Para plantas trepar</td></tr></tbody></table>

suministro de sensistes y de sinensistes para el crecimiento guiado de la planta

Robotic Sensing and Stimuli Provision for Guided Plant Growth

Los sistemas de robots se investigan activamente para la manipulación de plantas naturales, normalmente restringidas a actividades de automatización agrícola como la cosecha, el riego y el control mecánico de malas hierbas. Ampliando esta investigación, presentamos aquí una metodología novedosa para manipular el crecimiento direccional de las plantas a través de sus mecanismos naturales para la señalización y la distribución de hormonas. Una metodología eficaz de provisión de estímulos robóticos puede abrir posibilidades para nuevas experimentaciones con fases de desarrollo posteriores en plantas, o para nuevas aplicaciones biotecnológicas como la formación de plantas para paredes verdes. La interacción con las plantas presenta varios desafíos robóticos, incluyendo la identificación de corto alcance de órganos de plantas pequeñas y variables, y el accionamiento controlado de las respuestas de las plantas que se ven afectadas por el medio ambiente, además de los estímulos proporcionados. Con el fin de dirigir el crecimiento de las plantas, desarrollamos un grupo de robots inmóviles con sensores para detectar la proximidad de las puntas de cultivo, y con diodos para proporcionar estímulos ligeros que accionan el fototropismo. Los robots son probados con el haba común de escalada, Phaseolus vulgaris, en experimentos con duraciones de hasta cinco semanas en un entorno controlado. Con los robots que emiten secuencialmente la emisión de pico de luz azul en la longitud de onda 465 nm-crecimiento de la planta se dirige con éxito a través de decisiones binarias sucesivas a lo largo de soportes mecánicos para alcanzar las posiciones objetivo. Los patrones de crecimiento se prueban en una configuración de hasta 180 cm de altura, con tallos de plantas crecidos hasta aproximadamente 250 cm de longitud acumulada durante un período de aproximadamente siete semanas. Los robots se coordinan y operan de forma totalmente autónoma. Detectan las puntas de la planta que se acercan mediante sensores de proximidad infrarrojos y se comunican a través de la radio para cambiar entre los estímulos de luz azul y el estado latente, según sea necesario. En general, los resultados obtenidos apoyan la eficacia de la combinación de metodologías de experimentos de robots y plantas, para el estudio de interacciones potencialmente complejas entre sistemas autónomos naturales y diseñados.

Control: Comportamiento de la planta sin estímulos robóticos. Debido a la falta de luz azul (es decir, todos los robots están inactivos), el fototropismo positivo no se activa en la planta. Por lo tanto, las plantas muestran un crecimiento hacia arriba imparcial a medida que siguen el gravitropismo. También muestran la circunndación típica (es decir, el bobinado), véase la Figura 4A. Como era de esperar, las plantas no encuentran el apoyo mecánico que conduce a los robots inactivos. Las plantas colapsan cuando ya no pueden soportar su propio peso. Detenemos los experimentos cuando al menos dos plantas colapsan, ver Figura 4B,C.
Decisiones individuales o múltiples: Comportamiento de la planta con estímulos robóticos En cuatro experimentos de una sola decisión, dos carreras tienen dirección hacia la izquierda (es decir, el robot a la izquierda de la bifurcación se activa a estímulo), y dos carreras tienen dirección hacia la derecha. Los robots de estímulo dirigen con éxito las plantas hacia el soporte correcto, ver Figura 5. La planta más cercana con el ángulo del tallo más similar al del soporte correcto se une primero. En cada experimento, al menos una planta se une al soporte y lo sube hasta que llega al robot de estímulo y, por lo tanto, termina el experimento. En un experimento, una segunda planta se une al soporte correcto. Las plantas restantes también podrían adherirse en duraciones de experimento más largas. Ninguna de las plantas se une al soporte incorrecto. Cada experimento se ejecuta continuamente durante 13 días en promedio.
En dos experimentos de decisión múltiple, las plantas crecen en un patrón predefinido en zigzag, véase la Figura 6A. Cada experimento dura aproximadamente siete semanas. Cuando comienza un experimento, un robot establece su estado en estímulo (ver 3.6.3) y dirige las plantas hacia el soporte correcto de acuerdo con el patrón estipulado. Una planta lo une y sube, llegando al robot de estímulo activado, completando así la primera decisión. Según 3.7.3, el robot de estímulo actual entonces se vuelve inactivo y notifica a sus vecinos adyacentes. El vecino inactivo que sigue en el patrón zigzag cambia a estímulo (véase 3.7.6). Si una planta es detectada por un robot inactivo, ese robot no reacciona (véase 3.7.2). Las plantas continúan y completan las tres decisiones restantes con éxito. Por lo tanto, el patrón predefinido en zigzag está completamente crecido, véase la Figura 6B.
Todos los datos del experimento, así como los videos, están disponibles en línea24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59835/59835fig1.jpg"> Figura 1. El robot inmóvil y sus componentes principales. Figura reimpresa de la publicación del autor Wahby et al.14, utilizado con la licencia Creative Commons CC-BY 4.0 (ver archivos suplementarios), con modificaciones según lo permitido por la licencia. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig1large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59835/59835fig2.jpg"> Figura 2. El diagrama de componentes de la electrónica del robot inmóvil. Los controladores LED IRLML2060 se interconectaron con el ordenador de una sola placa del robot (por ejemplo, Raspberry Pi) a través de PWM para controlar el brillo de los LED. Un interruptor LP5907 se interconecta con el ordenador de una sola placa a través del pin de cabecera de entrada/salida de uso general (GPIO), para controlar el ventilador. Un convertidor analógico a digital (ADC) MCP3008 se conecta con el ordenador de una sola placa a través de la interfaz periférica serial (SPI) para leer los datos del sensor analógico IR y de la resistencia dependiente de la luz (LDR). <a href="https://www.jove.com/files/ftp_upload/59835/59835fig2large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59835/59835fig3.jpg"> Figura 3. Poco después de '03.04.16', una punta de planta sube un soporte y llega al campo de visión del robot. (A) Muestra lecturas de voltaje a escala del sensor de proximidad IR (eje vertical) durante un experimento. Los valores más altos indican la detección de puntas de la planta. (B) El sensor de proximidad IR se coloca y se orienta de acuerdo con el accesorio de soporte, para garantizar una detección eficaz de la punta de la planta. Figura reimpresa de la publicación del autor Wahby et al.14, utilizado con la licencia Creative Commons CC-BY 4.0 (ver archivos suplementarios), con modificaciones según lo permitido por la licencia. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig3large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59835/59835fig4.jpg"> Figura 4. Los experimentos de control resultan marcos que muestran que las cuatro plantas no se unieron a ningún soporte en ausencia de luz azul. ( A ) Despuésdecinco días, todas las plantas que crecen hacia arriba en uno de los experimentos de control (véase (C) para una condición de crecimiento posterior). ( B ) Despuésde15 días, tres plantas colapsaron, y una todavía crece hacia arriba en el primer experimento de control. (C) Después de siete días, dos plantas colapsaron y dos siguen creciendo hacia arriba en el segundo experimento de control (véase (A) para la condición de crecimiento anterior). Figura reimpresa de la publicación del autor Wahby et al.14, utilizado con la licencia Creative Commons CC-BY 4.0 (ver archivos suplementarios), con modificaciones según lo permitido por la licencia. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig4large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59835/59835fig5.jpg"> Figura 5. Experimentos de una sola decisión marcos de resultados que muestran la capacidad de un robot de estímulo para dirigir las plantas a través de una decisión binaria, para subir el soporte correcto. En los cuatro experimentos, un robot está configurado para el estímulo y el otro a latente-en dos lados opuestos de una unión. Los marcos muestran la ubicación de las plantas justo antes de que el robot de estímulo las detecte. En cada experimento al menos una planta se une al soporte correcto, y ninguna planta se une a la incorrecta. Además, las plantas no soportadas muestran un crecimiento sesgado hacia el robot de estímulo. E, F, G, H son primers planos de A, B, C, D respectivamente. Figura reimpresa de la publicación del autor Wahby et al.14, utilizado con la licencia Creative Commons CC-BY 4.0 (ver archivos suplementarios), con modificaciones según lo permitido por la licencia. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig5large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/59835/59835fig6v2.jpg"> Figura 6. Experimento de decisión múltiple. (A) El patrón de zigzag objetivo se resalta en verde en el mapa. (B) El último fotograma del experimento (después de 40 días), mostrando la situación de las plantas antes de que el último robot de estímulo en el patrón las detecte. Los robots crecen con éxito el patrón en zigzag. Figura reimpresa de la publicación del autor Wahby et al.14, utilizado con la licencia Creative Commons CC-BY 4.0 (ver archivos suplementarios), con modificaciones según lo permitido por la licencia. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig6large.jpg" target="_blank">Haga clic aquí para ver una versión más grande de esta figura.</a>

Los nodos robóticos distribuidos proporcionan secuencias de estímulos de luz azul para dirigir las trayectorias de crecimiento de las plantas de escalada. Al activar el fototropismo natural, los robots guían a las plantas a través de decisiones binarias izquierda-derecha, creándolas en patrones predefinidos que, por contraste, no son posibles cuando los robots están inactivos.

Suministro de sensistes y de sinensistes para el crecimiento guiado de la planta

Robot systems are actively researched for manipulation of natural plants, typically restricted to agricultural automation activities such as harvest, ...

Dirigir el crecimiento direccional de las plantas con un sistema autónomo es un concepto novedoso y original que no se informó antes. La clave aquí para nosotros es averiguar lo que es realmente factible. Nuestra técnica es el primer método automatizado para cultivar plantas en formas y formas deseadas utilizando nodos robóticos para detectar plantas con sus sensores y cambiar los estímulos en consecuencia.Este método y los robots utilizados aquí se pueden emplear con estructuras de crecimiento dinámico donde los comentarios determinan el desarrollo del sistema biohíbrido. Mantener la salud de las plantas y detectar su presencia en los puntos de intersección es un reto. Asegúrese de que las fuentes de luz externas no están desencadenando respuestas fototrópicas en un estado de error.La demostración visual es necesaria para mostrar la colaboración entre plantas y robots durante períodos de tiempo prolongados para desarrollar patrones de crecimiento definidos por el usuario. Julian Ptezold, un estudiante de posgrado en nuestro grupo de investigación, demostrará el procedimiento del experimento. Antes de comenzar un experimento, seleccione una especie de planta conocida por mostrar un fuerte fototropismo positivo hacia la luz ultravioleta A y azul en las puntas de crecimiento.Elegimos Phaseolus vulgaris o frijoles comunes porque crecen rápido y muestran un fuerte crecimiento direccional hacia la luz azul. Componga cada robot alrededor de una computadora inalámbrica de área local inalámbrica de una sola placa e interconecte el ordenador con sensores y actuadores a través de una placa de circuito impreso personalizada. Incluya un sensor de proximidad infrarrojo por dirección que se está probando para acercarse a las plantas, incluidos suficientes diodos emisores de luz para ofrecer los requisitos de luz azul por dirección que se están probando para las plantas que se aproximan.Incluya hardware que permita señales locales entre robots e incluya un fotorresistor para cada dirección del robot vecino para monitorear su estado de emisión de luz. Incluya hardware para disipar el calor según lo requieran las condiciones de los diodos azules seleccionados y el gabinete de robot utilizado utilizando una combinación de disipadores de calor de aluminio, respiraderos en el gabinete de la caja de cada robot y ventiladores. Después de confirmar que las direcciones de los componentes del robot están bien atendidas, coloque los diodos azules para distribuir una intensidad de luz equivalente a cada una de las direcciones desde las que las plantas pueden acercarse y orientar cada diodo en la caja del robot de modo que el eje central de su ángulo de lente esté dentro de los 60 grados de cada eje del soporte mecánico al que presta servicio.Coloque los sensores de proximidad infrarrojos de manera equivalente para sus respectivas direcciones de crecimiento cercanas dentro de un centímetro del punto de fijación entre el robot y el soporte mecánico que se está atestando orientando cada sensor de manera que su ángulo de visión sea paralelo al eje de soporte. A continuación, coloque una lámina de 125 por 180 centímetros de acrílico transparente en un soporte de 125 centímetros de ancho que sea capaz de sujetar la configuración en posición vertical. Integre los robots en un conjunto de soportes mecánicos modulares que mantengan a los robots en posición y sirvan como andamios de escalada para que las plantas restrinjan las trayectorias de crecimiento promedio probables de las plantas.En cada robot, incluya puntos de fijación para anclar los soportes mecánicos específicos, incluido un punto de unión para cada dirección por el cual una planta puede acercarse o salir de un robot. Coloque las macetas con el suelo apropiado en el soporte contra la lámina de acrílico y coloque dos robots en la lámina de acrílico insertando los extremos de los soportes colocados previamente en los zócalos en las cajas del robot. A continuación, repita el patrón para colocar los robots restantes y apoyar en el patrón diagonalmente afilado de tal manera que cada fila de robots está 35 centímetros por encima de la fila anterior y que cada robot se coloca horizontalmente directamente por encima del robot o articulación Y que es dos filas por debajo.Los soportes mecánicos deben estar dispuestos en un patrón regularmente afilado que sea uniformemente diagonal con un ángulo de inclinación a 45 grados o más pronunciado con longitudes de soporte uniformes de un mínimo de 30 centímetros por soporte. La longitud expuesta preferida debe ser de al menos 40 centímetros para permitir algún tampón para casos estadísticamente extremos de desprendimiento de plantas. En el software del robot, establezca un estado de estímulo durante el cual el robot emita luz azul y un estado inactivo durante el cual el robot no emita luz o emita luz roja.Coloque la configuración experimental en condiciones ambientales controladas y mantenga la fotosíntesis de la planta utilizando lámparas de crecimiento de diodos emisores de luz externas a los robots y orientadas a la configuración experimental. Después de germinar, proporcione a cada planta su propia maceta en la base de la configuración experimental y regule los niveles de temperatura y humedad del aire según corresponda para las especies seleccionadas utilizando calentadores, aires acondicionados, humidificadores y deshu humidificadores según sea necesario y controle estos niveles utilizando un sensor de humedad de presión de temperatura. Para probar el crecimiento de la planta en presencia de múltiples condiciones de estímulo posteriores, proporcione a los robots un mapa global del patrón a cultivar y capture continuamente videos timelapsed de los experimentos utilizando cámaras colocadas en dos o más puntos de vista con al menos una vista de cámara que abarque la configuración experimental completa.Asegúrese de que las imágenes capturadas son de una resolución lo suficientemente alta como para capturar adecuadamente los movimientos de las puntas de crecimiento de la planta que suelen tener unos pocos milímetros de ancho. A continuación, observe los eventos de unión de la planta y el patrón de crecimiento a lo largo de los soportes mecánicos durante un período de crecimiento experimental adecuado. En condiciones carentes de luz azul, el fototropismo positivo no se activa y las plantas presentan un crecimiento ascendente imparcial a medida que siguen el gravitropismo.Las plantas también mostraban circunnutación típicamente. Como se esperaba en estas condiciones, las plantas no encuentran el soporte mecánico que conduce a los robots inactivos y colapsan cuando ya no pueden soportar su propio peso. El experimento debe detenerse cuando al menos dos plantas colapsen.En este experimento representativo de una sola decisión, los robots de estímulo dirigió con éxito las plantas hacia el soporte correcto. En este experimento representativo de múltiples decisiones, las plantas se convirtieron en un patrón de zigzag predefinido utilizando robots inactivos y de estímulo para detectar y estimular el crecimiento de la planta respectivamente hasta que el patrón de zigzag predefinido se hizo completamente cultivado. El estudio de este tipo de sistema biohíbrido allana el camino hacia técnicas emergentes de arquitectura, biología e ingeniería para desarrollar estructuras adaptativas vivas y cultivar componentes de edificios.

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

Research

Investigación

JoVE Journal

Engineering

Ingeniería

Se presenta un método para la introducción, el seguimiento y el análisis cuantitativo de la expresión de GFP en las células vegetales. Este método utiliza un sistema diseñado a la robótica para la colección de imágenes semi-permanente de un gran número de muestras, con el tiempo. También demostrar el uso de ImageJ e ImageReady para el análisis de series de imágenes.

Robótica y Análisis de Imagen Dinámica de Estudios de la expresión génica en los tejidos vegetales

Este artículo proporciona un protocolo para el cultivo de plántulas de Arabidopsis en el RootChip, una plataforma de imágenes de microfluidos que combina el control automatizado de las condiciones de crecimiento con control microscópico y la raíz FRET basada en la medición de los niveles intracelulares de metabolitos.

Time-lapse de imágenes de fluorescencia del crecimiento de raíces de Arabidopsis con la manipulación del ambiente rápido y raíz mediante la RootChip

Fuente: Nathoo, N., et al. Un sistema de cocultivo hidropónico para el análisis simultáneo y sistemático de las interacciones moleculares y la señalización de plantas / microbios. J. Vis. Exp. (2017).Este video demuestra un sistema de cocultivo hidropónico para estudiar las interacciones planta-bacteria en condiciones estériles. Las plántulas de plantas se transfieren a un medio de crecimiento estéril y ácido, se incuban y se inspeccionan para detectar contaminación antes de la inoculación con...

Un sistema de cocultivo para estudiar las respuestas moleculares de las plantas hospedadoras y las bacterias que interactúan

El sistema de cocultivo hidropónico descrito soporta plantas intactas con mallas de malla metálica y las convierte en cocultivas con bacterias. El tejido de las plantas, las bacterias y las moléculas secretadas pueden ser recogidas separadamente para análisis de aguas abajo, permitiendo simultáneamente que se investiguen las respuestas moleculares tanto de los huéspedes de la planta como de los microbios o microbios que interactúan.

Un Sistema de Cultivo Hidropónico para el Análisis Simultáneo y Sistemático de Interacciones Moleculares de Plantas / Microbios y Señalización

Se presenta un protocolo experimental para la evaluación de suelo cultivado planta raíz sistemas RGB y la proyección de imagen hyperspectral. Combinación de tiempo de imagen RGB serie con información quimiométricas de hyperspectral optimiza penetraciones en la dinámica de la raíz de planta.

RGB y la proyección de imagen espectral raíz planta Phenotyping y investigación fisiológica: montaje Experimental y protocolos de la proyección de imagen

Giberelina percepción Sensor 1 (GPS1) es el primer Förster Resonancia energía basada en la transferencia biosensor para la medición de los niveles celulares de fitohormonas giberelina con una alta resolución espaciotemporal. Este protocolo informa sobre el método para visualizar y cuantificar niveles de giberelinas celular usando el biosensor nlsGPS1 genéticamente codificados en hipocotilos de Arabidopsis y ápices.

Niveles de giberelina celular visualizado utilizando la energía de resonancia NlsGPS1 Förster transferencia Biosensor (traste)

Una suave máquina de carga de fuerza táctil está construida a partir de cepillos de pelo humanos, brazos robóticos y un controlador. Los cepillos para el cabello son accionados por brazos robóticos instalados en la máquina y se mueven periódicamente para aplicar la fuerza táctil en las plantas. La fuerza de los toques capilares accionados por máquina es comparable a la de los toques aplicados manualmente.

Un Protocolo de Pantalla Mutante de Señalización de Señalización de Fuerza Táctil Y Repetible para el Estudio de la Thigmomorfogénesis de una Planta Modelo Arabidopsis thaliana

Este método de fenotipado gravimétrico de relaciones de agua de alto rendimiento, telemétrico y de planta entera permite mediciones directas y simultáneas en tiempo real, así como el análisis de múltiples rasgos fisiológicos relacionados con el rendimiento involucrados en interacciones dinámicas entre plantas y entornos.

Una plataforma telemétrica y gravimétrica para el fenotipado fisiológico en tiempo real de las interacciones entre plantas y entornos

Utilizamos herramientas de laboratorio simples para examinar la arquitectura del sistema radicular (RSA) de Arabidopsis y Medicago. Las plántulas se cultivan hidropónicamente sobre malla y se extienden usando un pincel artístico para revelar el RSA. Las imágenes se toman mediante escaneo o una cámara de alta resolución, luego se analizan con ImageJ para mapear rasgos.

Un protocolo simple para mapear los rasgos de arquitectura del sistema radicular de la planta

Diseñamos un protocolo de fenotipado basado en imágenes para determinar las respuestas morfológicas y fisiológicas a tratamientos únicos y combinados de calor, sequía y encharcamiento. Este enfoque permitió la identificación de respuestas tempranas, tardías y de recuperación a nivel de toda la planta, particularmente en las partes aéreas, y destacó la necesidad de utilizar múltiples sensores de imagen.

Fenotipado basado en imágenes de alto rendimiento para determinar las respuestas morfológicas y fisiológicas a estreses simples y combinados en patata

Este manuscrito describe un enfoque no destructivo y de alto rendimiento para mediciones autónomas de campo de la eficiencia cuántica del fotosistema II, la reflectancia espectral y la arquitectura vegetal, permitiendo la fenotipificación fotosintética a gran escala del dosel en ensayos de campo agronómicos y de cría.

Cribado fotosintético de alto rendimiento en campo en plantas de cultivo mediante un robot autónomo

Aprende a guiar el crecimiento de plantas trepadoras mediante nodos robóticos autónomos que utilizan luz azul para activar el fototropismo. Este método demuestra la viabilidad de sistemas biohíbridos en agricultura.

Suministro de sensistes y de sinensistes para el crecimiento guiado de la planta

Explorar más videos