Name: Fourniture de détection robotique et de stimuli pour la croissance guidée des plantes (Vidéo) | JoVE Journal
Uploaded: 2019-07-01T15:00:00.000+00:00
Duration: 8 min 2 s
Description: Découvrez une méthode robotique pour guider la croissance des plantes grimpantes en utilisant des stimuli lumineux bleus et des capteurs de proximité infrarouges sur Phaseolus vulgaris. Ce système biohybride ouvre de nouvelles voies pour l'agriculture automatisée.

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

Cette étude a été soutenue par le projet de robotique florale qui a reçu un financement du programme de recherche et d'innovation Horizon 2020 de l'Union européenne dans le cadre de l'accord de subvention FET, no 640959. Les auteurs remercient Anastasios Getsopulos et Ewald Neufeld pour leur contribution à l'assemblage de quincaillerie, et Tanja Katharina Kaiser pour sa contribution à la surveillance des expériences végétales.

<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>

Les auteurs déclarent qu'ils n'ont pas d'intérêts financiers concurrents.

La méthodologie présentée montre les premières étapes vers l'automatisation de la direction de la croissance des plantes axée sur les stimuli, afin de générer des modèles spécifiques. Cela nécessite un maintien continu de la santé des plantes tout en combinant en une seule expérience les domaines distincts des réponses de croissance biochimique et des fonctions méchatroniques techniques de détection, de communication et de génération contrôlée de stimuli. Comme nous nous concentrons ici sur les plantes grimpantes, le soutien mécanique fait également partie intégrante. Une limitation de la configuration actuelle est son échelle, mais nous croyons que notre méthodologie s'évolue facilement. L'échafaudage mécanique peut être étendu pour de plus grandes configurations et donc des périodes de croissance plus longues, ce qui permet également des configurations et des modèles élargis. Ici, la configuration est limitée à deux dimensions et les décisions binaires gauche-droite, comme la croissance est limitée à une grille de supports mécaniques à 45 'inclinaison, et les positions de décision de l'usine sont limitées aux bifurcations de cette grille. Les extensions mécaniques peuvent inclure des échafaudages 3D et des matériaux différents, pour permettre des formes complexes9,19. La méthodologie peut être considérée comme un système pour développer automatiquement les modèles définis par un utilisateur. En étendant la complexité possible des configurations mécaniques, les utilisateurs doivent faire face à peu de restrictions sur leurs modèles souhaités. Pour une telle application, un outil logiciel utilisateur devrait confirmer que le modèle est productible, et la mécatronique devrait alors auto-organiser la production du modèle en générant des stimuli appropriés pour orienter les plantes. Le logiciel devrait également être étendu pour inclure des plans de récupération et des politiques déterminant la façon de poursuivre la croissance si le modèle prévu à l'origine a partiellement échoué, par exemple si le premier robot activé n'a jamais détecté une plante mais les dormants ont vu que la position des pointes de croissance sont au-delà du robot activé.
Dans la méthodologie présentée, un exemple d'espèces végétales répondant aux critères de sélection du protocole est le harimon commun grimpant, P. vulgaris. Il s'agit de l'espèce utilisée dans les résultats représentatifs. Comme P. vulgaris a un fort phototropisme positif aux UV-A et à la lumière bleue, les phototropines (protéines réceptrices de lumière) de la plante absorberont les photons correspondant aux longueurs d'onde 340-500 nm. Lorsque les récepteurs sont déclenchés, le premier gonflement se produira dans la tige par la relocalisation préférentielle de l'eau vers les tissus souches opposés aux récepteurs déclenchés, provoquant une réponse directionnelle réversible. Ensuite, à l'intérieur de la tige, l'auxine (hormone de modelage végétal) est dirigée vers le même emplacement tissulaire, perpétuant la réponse directionnelle et fixant les tissus de tige pendant qu'ils se raidissent. Ce comportement peut être utilisé pour façonner les plantes dans ces conditions intérieures contrôlées, car les plantes ne sont exposées qu'à la lumière bleue isolée et à la lumière rouge isolée, avec la lumière rouge d'incident des capteurs ir-proximité à des niveaux assez bas qu'il n'interfère pas avec des comportements tels que la réponse d'ombre-évitement20,21. La réaction de phototropisme dans la plante répond dans la configuration à la lumière des diodes bleues avec l'émission de pointe -max 465 nm, et la photosynthèse22,23 dans l'usine est soutenue par des diodes rouges avec l'émission de pointe - max - 650 nm. P. vulgaris de plus en plus jusqu'à plusieurs mètres de hauteur est approprié dans la configuration globale, comme le sol de jardinage environ 3 L nécessaire par pot s'adapte à l'échelle de configuration.
Bien que la configuration actuelle se concentre sur la lumière comme un stimulus d'attraction, des stimuli supplémentaires peuvent être pertinents pour d'autres types d'expériences. Si le modèle souhaité nécessite une séparation entre différents groupes de plantes (p. ex., le modèle désiré a besoin de deux groupes de plantes pour choisir des côtés opposés), alors il peut ne pas être possible d'utiliser un seul type de stimulus. Pour de tels modèles de croissance complexes indépendamment de la forme d'échafaudage, les différents groupes de plantes peuvent potentiellement être cultivés dans différentes périodes de temps de sorte que leurs stimulus respectifs d'attraction n'interfèrent pas, qui permettrait également l'intégration de branchement Événements. Cependant, cela peut ne pas toujours être une solution appropriée, et le stimulus de lumière attrayant standard pourrait alors être augmenté en repoussant des influences telles que l'ombrage, ou par d'autres stimuli comme la lumière rouge lointaine ou les moteurs de vibration9,14.
La méthode présentée et la conception de l'expérience ne sont qu'un premier pas vers une méthodologie sophistiquée pour influencer automatiquement la croissance directionnelle des plantes. La configuration de l'expérience est de base en déterminant seulement une séquence de décisions binaires dans les plantes et nous nous concentrons sur un, facile à gérer stimulus. Des études supplémentaires seraient nécessaires pour prouver la signification statistique de la méthode, pour ajouter plus de stimuli et pour contrôler d'autres processus tels que la ramification. Avec un développement suffisant pour garantir la fiabilité à long terme des robots, la méthodologie présentée pourrait permettre l'automatisation des expériences végétales sur de longues périodes, réduisant les frais généraux associés à l'étude des stades de développement de l'usine au-delà de celle des pousses. Des méthodes similaires peuvent permettre des études futures sur la dynamique sous-explorée entre les organismes biologiques et les robots autonomes, lorsque les deux agissent comme des systèmes bio-hybrides auto-organisés étroitement couplés.

Parallèlement à la prévalence croissante de l'automatisation dans la fabrication et la production, les robots sont utilisés pour semer, traiter et récolter des plantes1,2,3,4,5. Nous utilisons la technologie robotisée pour automatiser les expériences végétales d'une manière non invasive, dans le but de diriger la croissance par des réponses directionnelles aux stimuli. Les pratiques traditionnelles de jardinage ont inclus la mise en forme manuelle des arbres et des buissons par la retenue mécanique et la coupe. Nous présentons une méthodologie qui peut par exemple être appliquée à cette tâche de mise en forme, en orientant les modèles de croissance avec des stimuli. Notre méthodologie présentée est également une étape vers des expériences végétales automatisées, ici avec un accent spécifique sur la fourniture de stimuli légers. Une fois que la technologie est devenue robuste et fiable, cette approche a le potentiel de réduire les coûts dans les expériences végétales et de permettre de nouvelles expériences automatisées qui seraient autrement impossibles en raison des frais généraux dans le temps et le travail manuel. Les éléments robotiques sont librement programmables et agissent de façon autonome car ils sont équipés de capteurs, d'actionneurs pour la fourniture de stimuli et de microprocesseurs. Bien que nous nous concentrions ici sur la détection de proximité (c.-à-d. la mesure des distances à courte portée) et les stimuli lumineux, de nombreuses autres options sont réalisables. Par exemple, des capteurs peuvent être utilisés pour analyser la couleur des plantes, pour surveiller l'activité biochimique6, ou pour la phytodétection7 approches pour surveiller par exemple les conditions environnementales par l'électrophysiologie végétale8. De même, les options d'actionneur pourraient fournir d'autres types de stimuli9, par des moteurs de vibration, des dispositifs de pulvérisation, des appareils de chauffage, des ventilateurs, des dispositifs d'ombrage, ou des manipulateurs pour le contact physique dirigé. D'autres stratégies d'actionnement pourraient être mises en œuvre pour fournir une mobilité lente aux robots (c.-à-d. « robots lents »10),de sorte qu'ils pourraient progressivement changer la position et la direction à partir desquelles ils fournissent des stimuli. En outre, comme les robots sont équipés d'ordinateurs à une seule planche, ils pourraient exécuter des processus plus sophistiqués tels que la vision pour le phénotypage des plantes11 ou artificielles contrôleurs réseau neuronal pour l'actionnement des stimuli12. Comme la recherche en sciences végétales se concentre souvent sur la croissance précoce (c.-à-d. dans les pousses)13, l'ensemble du domaine de l'utilisation de systèmes robotisés autonomes pour influencer les plantes sur de plus longues périodes semble sous-exploré et peut offrir de nombreuses possibilités futures. Allant même plus loin, les éléments robotiques peuvent être considérés comme des objets de recherche eux-mêmes, permettant l'étude de la dynamique complexe des systèmes bio-hybrides formés par les robots et les plantes qui interagissent étroitement. Les robots imposent sélectivement des stimuli sur les plantes, les plantes réagissent en fonction de leur comportement adaptatif et modifient leur modèle de croissance, qui est ensuite détecté par les robots via leurs capteurs. Notre approche ferme la boucle de rétroaction comportementale entre les plantes et les robots et crée une boucle de contrôle homéostatique.
Dans nos expériences pour tester la fonction du système robotisé, nous utilisons exclusivement le harimon commun d'escalade, Phaseolus vulgaris. Dans cette configuration, nous utilisons des plantes grimpantes, avec des supports mécaniques dans un échafaudage quadrillé de hauteur globale de 180 cm, de sorte que les plantes sont influencées par le thigmotropisme et ont un ensemble limité de directions de croissance à choisir. Étant donné que nous voulons façonner l'ensemble de la plante sur une période de plusieurs semaines, nous utilisons des stimuli de lumière bleue pour influencer le phototropisme de la plante macroscopiquement, sur différentes périodes de croissance, y compris les jeunes pousses et le raidissement des tiges plus tard. Nous menons les expériences dans des conditions de lumière ambiante entièrement contrôlées où, à l'autre que les stimuli de lumière bleue, nous fournissons exclusivement la lumière rouge, avec une émission maximale à longueur d'onde de 650 nm. Quand ils atteignent une bifurcation dans la grille de support mécanique, ils prennent une décision binaire de croître à gauche ou à droite. Les robots sont positionnés à ces bifurcations mécaniques, séparées par des distances de 40 cm. Ils activent et désactivent de façon autonome leur émetteur de lumière bleue, avec une émission maximale à longueur d'onde de 465 nm, selon une carte prédéfinie du modèle de croissance souhaité (dans ce cas, un modèle en zigzag). De cette façon, les plantes sont guidées de la bifurcation à la bifurcation dans une séquence définie. Un seul robot est activé à un moment donné, au cours duquel il émet de la lumière bleue tout en surveillant de façon autonome la croissance de la plante sur le support mécanique qui le sous-il. Une fois qu'il détecte une pointe croissante à l'aide de ses capteurs de proximité infrarouge, il cesse d'émettre de la lumière bleue et communique à ses robots voisins par radio. Le robot qui se définit comme la prochaine cible de la séquence s'active ensuite, attirant la croissance des plantes vers une nouvelle bifurcation mécanique.
Comme notre approche intègre à la fois des mécanismes artificiels et naturels, nos expériences comprennent plusieurs méthodes qui fonctionnent simultanément et interdépendantement. Le protocole ici est d'abord organisé en fonction du type de méthode, dont chacun doit être intégré dans une configuration d'expérience unifiée. Ces types sont la sélection des espèces végétales; la conception de robot comprenant le matériel et la mécanique ; robot logiciel pour la communication et le contrôle; et la surveillance et le maintien de la santé des plantes. Le protocole procède ensuite à la conception de l'expérience, suivie de la collecte et de l'enregistrement des données. Pour plus de détails sur les résultats obtenus jusqu'à présent, voir Wahby et coll.14. Les résultats représentatifs couvrent trois types d'expériences : les expériences de contrôle où tous les robots ne fournissent pas de stimuli (c.-à-d. sont dormants); expériences à décision unique où la plante fait un choix binaire entre un robot fournissant des stimuli et un robot qui est dormant; et des expériences à décisions multiples où la plante navigue dans une séquence de choix binaires pour développer un modèle prédéfini.

<table><tbody><tr><td>Boîtier imprimé en 3D</td><td>Shapeways, Inc</td><td>n/a</td><td>Produit personnalisé,</td></tr> <tr><td>joints https://www.shapeways.com/ imprimés en 3D</td><td>n/a</td><td>n/a</td><td>Produit par les auteurs</td></tr><tr><td>Adafruit BME280 I2C ou SPI Capteur de température et d’humidité Capteur de pression</td><td>Adafruit</td><td>2652</td><td></td></tr><tr><td>Arduino Uno Rev 3</td><td></td> Cellules photoconductrices <td>Arduino</td> A000066 <td></td></tr><tr><td>CdS</td><td>Lida Optique & Electronic Co., Ltd</td><td>GL5528</td><td></td></tr><tr><td>Cybertronica PCB</td><td>Cybertronica Research</td><td>n/a</td><td>Produit personnalisé, 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>Capteur de température numérique</td><td>Maxim Integrated</td><td>DS18B20</td><td></td></tr><tr><td>Haute Puissance (800 mA) EPILED - Rouge lointain / Infra Rouge (740-745 nm)</td><td>Future Eden Ltd.</td><td>n/a</td><td></td></tr><tr><td>I2C Capteur d’humidité du sol</td><td>Catnip Electronics</td><td>v2.7.5</td><td></td></tr><tr><td>Capteurs de proximité IR (4-30 cm)</td><td>Sharp Electronics</td><td>GP2Y0A41SK0</td><td></td></tr><tr><td>lampe de poche LED (50 W)</td><td>Inter-Union Technohandel GmbH</td><td>103J50</td><td></td></tr><tr><td>LED Rouge Bleu Suspension pour plante d’intérieur (45 W)</td><td>Erligpowht</td><td>B00S2DPYQM</td><td></td></tr><tr><td>Pompe submersible basse tension 600 l/h (élévation de 6 m)</td><td>Peter Barwig Wasserversorgung</td><td>444</td><td></td></tr><tr><td>Panneau de fibres de densité moyenne</td><td>n/a</td><td>n/a</td><td>Pour pied</td></tr><tr><td>Micro-spectromètre (Hamamatsu) sur une carte de dérivation compatible Arduino</td><td>Pure Engineering LLC</td><td>C12666MA</td><td></td></tr><tr><td>Pixie - 3W Chainable Smart LED Pixel</td><td>Adafruit</td><td>2741</td><td></td></tr><tr><td>Pots (capacité de stockage de 3,5 l, hauteur de 15,5 cm)</td><td>n/a</td><td>n/a</td><td></td></tr><tr><td>Alimentations (5 V, 10 A)</td><td>Adafruit</td><td>658</td><td></td></tr><tr><td>Raspberry Pi 3 Modèle B</td><td>Raspberry Pi Foundation</td><td>3B</td><td></td></tr><tr><td>Module de caméra Raspberry Pi V2</td><td>Raspberry Pi Foundation</td><td>V2</td><td></td></tr><tr><td>Raspberry Pi Zero</td> Capteur de couleur RVB <td>Raspberry Pi Foundation</td><td>Zero</td><td></td></tr><tr><td>avec filtre IR et LED blanche - TCS34725</td><td>Adafruit</td><td>1334</td><td></td></tr><tr><td>Terreau d’ensemencement et d’herbes</td><td>aromatiques Gardol</td><td>n/a</td><td></td></tr><tr><td>Haricot vert</td><td>SPERLI GmbH</td><td>402308</td><td></td></tr><tr><td>Feuille acrylique transparente de 5 mm</td><td>n/a</td><td>n/a</td><td>Pour un support structurel supplémentaire</td></tr><tr><td>Tiges en bois (bois de bouleau), peintes en noir, diamètre 5 mm</td><td>n/a</td><td>n/a n/a</td><td>Pour les plantes grimpantes</td></tr></tbody></table>

fourniture de détection robotique et de stimuli pour la croissance guidée des plantes

Robotic Sensing and Stimuli Provision for Guided Plant Growth

Les systèmes de robots sont activement recherchés pour la manipulation des plantes naturelles, généralement limitées aux activités d'automatisation agricole telles que la récolte, l'irrigation et la lutte mécanique contre les mauvaises herbes. En prolongeant cette recherche, nous introduisons ici une nouvelle méthodologie pour manipuler la croissance directionnelle des plantes via leurs mécanismes naturels de signalisation et de distribution d'hormones. Une méthodologie efficace de la fourniture de stimuli robotiques peut ouvrir la possibilité de nouvelles expérimentations avec des phases de développement ultérieures dans les plantes, ou pour de nouvelles applications biotechnologiques telles que la mise en forme des plantes pour les murs verts. L'interaction avec les plantes présente plusieurs défis robotiques, y compris la détection à courte portée des organes végétaux de petite et variable, et l'actionnement contrôlé des réponses des plantes qui sont impactées par l'environnement en plus des stimuli fournis. Afin d'orienter la croissance des plantes, nous développons un groupe de robots immobiles avec des capteurs pour détecter la proximité des pointes de croissance, et avec des diodes pour fournir des stimuli lumineux qui actionnent le phototropisme. Les robots sont testés avec le harimon commun d'escalade, Phaseolus vulgaris, dans des expériences ayant des durées allant jusqu'à cinq semaines dans un environnement contrôlé. Avec des robots émettant séquentiellement l'émission bleue de lumière-pic à la longueur d'onde 465 nm-croissance de l'usine est orientée avec succès par des décisions binaires successives le long des supports mécaniques pour atteindre les positions cibles. Les modèles de croissance sont testés dans une configuration allant jusqu'à 180 cm de hauteur, avec des tiges végétales cultivées jusqu'à environ 250 cm de longueur cumulative sur une période d'environ sept semaines. Les robots se coordonnent et fonctionnent de manière totalement autonome. Ils détectent les pointes des plantes qui approchent par des capteurs de proximité infrarouge et communiquent par radio pour passer d'un stimulus à la lumière bleue à l'état dormant, au besoin. Dans l'ensemble, les résultats obtenus confirment l'efficacité de la combinaison de méthodologies d'expérimentations robotisées et végétales, pour l'étude d'interactions potentiellement complexes entre les systèmes autonomes naturels et artificiels.

Contrôle : Comportement des plantes sans stimuli robotiques. En raison de l'absence de lumière bleue (c'est-à-dire que tous les robots sont dormants), le phototropisme positif n'est pas déclenché dans la plante. Par conséquent, les plantes montrent une croissance ascendante impartiale comme ils suivent le gravitropisme. Ils présentent également une circonnutation typique (c.-à-d. enroulement), voir Figure 4A. Comme prévu, les plantes ne parviennent pas à trouver le support mécanique menant aux robots dormants. Les plantes s'effondrent lorsqu'elles ne peuvent plus supporter leur propre poids. Nous arrêtons les expériences quand au moins deux plantes s'effondrent, voir Figure 4B,C.
Décisions simples ou multiples : Comportement des plantes avec stimuli robotiques Dans quatre expériences à une seule décision, deux courses ont la direction vers la gauche (c.-à-d., le robot gauche de la bifurcation est activé au stimulus),et deux courses ont la direction vers la droite. Les robots de stimulation dirigent avec succès les plantes vers le soutien correct, voir Figure 5. La plante la plus proche avec l'angle de tige le plus semblable à celui du support correct se fixe d'abord. Dans chaque expérience, au moins une plante se fixe au support et le grimpe jusqu'à ce qu'il atteigne le robot de stimulus et termine ainsi l'expérience. Dans une expérience, une deuxième plante se fixe au support correct. Les plantes restantes peuvent également se fixer dans des durées d'expérience plus longues. Aucune des plantes ne s'attache au support incorrect. Chaque expérience dure en continu pendant 13 jours en moyenne.
Dans deux expériences à décisions multiples, les plantes se développent en un modèle prédéfini en zigzag, voir Figure 6A. Chaque expérience dure environ sept semaines. Au début d'une expérience, un robot fixe son statut à un stimulus (voir 3.6.3) et oriente les plantes vers le support correct selon le modèle stipulé. Une plante l'attache et la grimpe, arrivant au robot de stimulus activé, complétant ainsi la première décision. Selon 3.7.3, le robot de stimulus actuel devient alors dormant et informe ses voisins adjacents. Le voisin dormant qui est le prochain sur le modèle en zigzag se passe à stimulus (voir 3.7.6). Si une plante est détectée par un robot dormant, ce robot ne réagit pas (voir 3.7.2). Les usines continuent et terminent avec succès les trois décisions restantes. Le motif prédéfini en zigzag est donc entièrement cultivé, voir Figure 6B.
Toutes les données d'expérience, ainsi que les vidéos, sont disponibles en ligne24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59835/59835fig1.jpg"> Figure 1. Le robot immobile et ses composants primaires. Figure réimprimée à partir de la publication de l'auteur Wahby et al.14, utilisée avec la licence Creative Commons CC-BY 4.0 (voir les fichiers supplémentaires), avec des modifications permises par licence. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig1large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59835/59835fig2.jpg"> Figure 2. Le diagramme de composant de l'électronique immobile de robot. Les pilotes LED IRLML2060 sont interfétés avec l'ordinateur mono-planche du robot (par exemple Raspberry Pi) via PWM pour contrôler la luminosité des LED. Un commutateur LP5907 est interfété avec l'ordinateur à une seule planche via l'entrée à usage général / sortie (GPIO) broche d'en-tête, pour contrôler le ventilateur. Un convertisseur analogique-numérique MCP3008 (ADC) est interfété avec l'ordinateur à une seule planche via l'interface périphérique en série (SPI) pour lire les données de l'IR analogique et du capteur de résistance à la lumière (LDR). <a href="https://www.jove.com/files/ftp_upload/59835/59835fig2large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59835/59835fig3.jpg"> Figure 3. Peu de temps après '03.04.16,' une pointe de l'usine monte un support et arrive dans le champ de vision du robot. (A) Échantillon ruse capteur de tension à l'échelle (axe vertical) au cours d'une expérience. Des valeurs plus élevées indiquent la détection des pointes de l'usine. (B) Le capteur ir-proximité est placé et orienté en fonction de la fixation de support, afin d'assurer une détection efficace de la pointe de l'usine. Figure réimprimée à partir de la publication de l'auteur Wahby et al.14, utilisée avec la licence Creative Commons CC-BY 4.0 (voir les fichiers supplémentaires), avec des modifications permises par licence. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig3large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59835/59835fig4.jpg"> Figure 4. Les expériences de contrôle donnent des images montrant que les quatre plantes ne se sont pas rattachés à un support en l'absence de lumière bleue. (A) Après cinq jours, toutes les plantes poussent vers le haut dans l'une des expériences de lutte (voir (C) pour l'état de croissance ultérieure). (B) Après 15 jours, trois plantes se sont effondrées, et une pousse encore vers le haut dans la première expérience de contrôle. (C) Après sept jours, deux plantes se sont effondrées, et deux encore en croissance vers le haut dans la deuxième expérience de lutte (voir (A) pour l'état de croissance précédente). Figure réimprimée à partir de la publication de l'auteur Wahby et al.14, utilisée avec la licence Creative Commons CC-BY 4.0 (voir les fichiers supplémentaires), avec des modifications permises par licence. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig4large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59835/59835fig5.jpg"> Figure 5. Les expériences à décision unique donnent des images montrant la capacité d'un robot de stimulus à diriger les plantes à travers une décision binaire, à monter le support correct. Dans les quatre expériences, un robot est mis à stimulus et l'autre à dormant-à deux côtés opposés d'une jonction. Les cadres montrent l'emplacement des plantes juste avant que le robot de stimulus ne les détecte. Dans chaque expérience, au moins une plante se fixe au support correct, et aucune plante ne s'attache à la plante incorrecte. En outre, les plantes non soutenues montrent la croissance biaisée vers le robot de stimulus. E, F, G, H sont des gros plans de A, B, C, D respectivement. Figure réimprimée à partir de la publication de l'auteur Wahby et al.14, utilisée avec la licence Creative Commons CC-BY 4.0 (voir les fichiers supplémentaires), avec des modifications permises par licence. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig5large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/59835/59835fig6v2.jpg"> Figure 6. Expérience à décisions multiples. (A) Le motif en zigzag ciblé est mis en surbrillance en vert sur la carte. (B) Le dernier cadre de l'expérience (après 40 jours), montrant la situation des plantes avant le dernier robot de stimulus sur le modèle les détecte. Les robots développent avec succès le motif en zigzag. Figure réimprimée à partir de la publication de l'auteur Wahby et al.14, utilisée avec la licence Creative Commons CC-BY 4.0 (voir les fichiers supplémentaires), avec des modifications permises par licence. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig6large.jpg" target="_blank">Veuillez cliquer ici pour voir une version plus grande de ce chiffre.</a>

Les nœuds robotisés distribués fournissent des séquences de stimuli de lumière bleue pour orienter les trajectoires de croissance des plantes grimpantes. En activant le phototropisme naturel, les robots guident les plantes à travers des décisions binaires gauche-droite, les faisant passer en modèles prédéfinis qui, en revanche, ne sont pas possibles lorsque les robots sont dormants.

Fourniture de détection robotique et de stimuli pour la croissance guidée des plantes

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

Diriger la croissance directionnelle des plantes avec un système autonome est un concept nouveau et original qui n’a pas été signalé auparavant. La clé ici pour nous est de savoir ce qui est réellement faisable. Notre technique est la première méthode automatisée pour faire pousser les plantes dans les formes désirées et les formes en utilisant des nœuds robotiques pour détecter les plantes avec leurs capteurs et de changer les stimuli en conséquence.Cette méthode et les robots utilisés ici peuvent être utilisés avec des structures dynamiquement croissantes où les rétroactions déterminent le développement du système biohybride. Il est difficile de maintenir la santé des plantes et de détecter leur présence aux points d’intersection. Assurez-vous que les sources de lumière externes ne déclenchent pas les réponses phototropiques dans un état d’échec.La démonstration visuelle est nécessaire pour montrer la collaboration entre les plantes et les robots sur de longues périodes de temps pour développer des modèles de croissance définis par l’utilisateur. Julian Ptezold, un étudiant diplômé de notre groupe de recherche, démontrera la procédure d’expérience. Avant de commencer une expérience, sélectionnez une espèce végétale connue pour afficher un fort phototropisme positif vers l’ultraviolet A et la lumière bleue dans les pointes de croissance.Nous avons choisi Phaseolus vulgaris ou haricots communs parce qu’ils poussent rapidement et montrent une forte croissance directionnelle vers la lumière bleue. Composez chaque robot autour d’un seul ordinateur sans fil compatible avec le réseau local et interfacez l’ordinateur avec des capteurs et des actionneurs via un circuit imprimé personnalisé. Inclure un capteur de proximité infrarouge par direction testé pour l’approche des plantes, y compris suffisamment de diodes électroluminescentes pour répondre aux exigences de lumière bleue par direction testées pour l’approche des plantes.Inclure du matériel qui permet des indices locaux entre les robots et inclure un photorésisteur pour chaque direction du robot voisin pour surveiller leur état d’émettre de la lumière. Incluez du matériel pour dissiper la chaleur selon les conditions des diodes bleues sélectionnées et de l’enceinte robotisé utilisée à l’aide d’une combinaison de puits de chaleur en aluminium, d’évents dans l’enceinte de cas et de ventilateurs de chaque robot. Après avoir confirmé que les directions des composants du robot sont uniformément desservies, placez les diodes bleues pour répartir une intensité lumineuse équivalente à chacune des directions à partir de laquelle les plantes peuvent s’approcher et orienter chaque diode dans le boîtier du robot de telle sorte que l’axe central de son angle de lentille se trouve à moins de 60 degrés de chaque axe du support mécanique qu’elle offre.Placez les capteurs de proximité infrarouge de façon équivalente pour leurs directions de croissance respectives à moins d’un centimètre du point d’attache entre le robot et le support mécanique en cours d’service orientant chaque capteur de sorte que son angle de vision soit parallèle à l’axe de soutien. Ensuite, apposer une feuille de 125 par 180 centimètres d’acrylique transparent sur un support de 125 centimètres de large capable de tenir la configuration en position verticale. Intégrer les robots dans un ensemble de supports mécaniques modulaires qui tiennent dûment les robots en position et servent d’échafaudages d’escalade pour les plantes afin de limiter les trajectoires de croissance moyennes probables des plantes.Sur chaque robot, inclure des points de fixation pour ancrer les supports mécaniques spécifiques, y compris un point d’attache pour chaque direction par laquelle une plante peut s’approcher ou quitter un robot. Placez les pots avec le sol approprié sur le support contre la feuille acrylique et fixez deux robots à la feuille acrylique insérant les extrémités des supports précédemment placés dans les prises dans les caisses de robot. Répétez ensuite le modèle pour apposer les robots restants et soutenir dans le modèle en diagonale gritted de sorte que chaque rangée de robots est de 35 centimètres au-dessus de la rangée précédente et que chaque robot est placé horizontalement directement au-dessus du robot ou joint Y qui est deux rangées en dessous.Les supports mécaniques doivent être disposés dans un motif régulièrement gritted qui est uniformément diagonale avec un angle d’inclinaison à 45 degrés ou plus raide avec des longueurs de soutien uniformes d’un minimum de 30 centimètres par support. La longueur exposée préférée devrait être d’au moins 40 centimètres pour permettre un certain tampon pour les cas statistiquement extrêmes de décollement des plantes. Dans le logiciel robotisé, établissez un état de stimulus au cours duquel le robot émet de la lumière bleue et un état dormant au cours duquel le robot n’émet aucune lumière ou émet de la lumière rouge.Placez la configuration expérimentale dans des conditions environnementales contrôlées et maintenez la photosynthèse végétale à l’aide de lampes de croissance de diodes électroluminescentes externes aux robots et faisant face à la configuration expérimentale. Après la germination, fournir à chaque plante son propre pot à la base de la configuration expérimentale et réguler les niveaux de température de l’air et d’humidité, le cas échéant pour les espèces sélectionnées à l’aide de radiateurs, climatiseurs, humidificateurs et dés humidificateurs au besoin et en surveillant ces niveaux à l’aide d’un capteur d’humidité de pression de température. Pour tester la croissance des plantes en présence de multiples stimuli ultérieurs, fournissez aux robots une carte globale du modèle à développer et capturez en permanence des vidéos en timelapsed des expériences à l’aide de caméras placées à deux points de vue ou plus avec au moins une vue de caméra englobant la configuration expérimentale complète.Assurez-vous que les images capturées sont d’une résolution suffisamment élevée pour capturer adéquatement les mouvements des pointes de culture de la plante qui ne mesurent généralement que quelques millimètres de largeur. Observez ensuite les événements d’attachement de la plante et le modèle de croissance le long des supports mécaniques au cours d’une période de croissance expérimentale appropriée. Dans des conditions dépourvues de lumière bleue, le phototropisme positif n’est pas déclenché et les plantes présentent une croissance ascendante impartiale à mesure qu’elles suivent le gravitropisme.Les plantes ont également affiché généralement la circonférence. Comme prévu dans ces conditions, les plantes ne parviennent pas à trouver le support mécanique menant aux robots dormants et s’effondrent quand elles ne peuvent plus soutenir leur propre poids. L’expérience doit être arrêtée lorsqu’au moins deux plantes s’effondrent.Dans cette expérience représentative à décision unique, les robots de stimulus ont réussi à orienter les plantes vers le support correct. Dans cette expérience représentative à décision multiple, les plantes sont devenues un modèle prédéfinissant en zigzag utilisant des robots dormants et stimulants pour sentir et stimuler la croissance des plantes respectivement jusqu’à ce que le modèle prédéfinissant en zigzag soit pleinement cultivé. L’étude de ce type de système biohybride ouvre la voie à des techniques émergentes de l’architecture, de la biologie et de l’ingénierie pour développer des structures adaptatives vivantes et développer des composants de bâtiment.

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

Research

Recherche

JoVE Journal

Engineering

Ingénierie

Nous rapportons une méthode pour l'introduction, le suivi et l'analyse quantitative de l'expression de GFP dans les cellules végétales. Cette méthode utilise un système conçu sur mesure pour la robotique collection d'images en semi-continu d'un grand nombre d'échantillons, au fil du temps. Nous démontrons également l'utilisation d'ImageJ et ImageReady pour l'analyse des séries d'images.

Robotique et d&#39;analyse d&#39;images dynamiques pour les études d&#39;expression génique dans les tissus végétaux

Cet article fournit un protocole pour la culture de jeunes plants d'Arabidopsis dans le RootChip, une plate-forme d'imagerie qui combine microfluidique de contrôle automatisé des conditions de croissance avec un suivi racine microscopique et FRET basée sur la mesure de niveaux intracellulaires de métabolites.

Time-lapse d&#39;imagerie par fluorescence de la croissance racinaire d&#39;Arabidopsis avec la manipulation rapide de l&#39;environnement root en utilisant le RootChip

Source : Nathoo, N., et al. Un système de co-culture hydroponique pour l’analyse simultanée et systématique des interactions moléculaires et de la signalisation plantes/microbes. J. Vis. Exp. (2017).Cette vidéo fait la démonstration d’un système de co-culture hydroponique pour étudier les interactions plantes-bactéries dans des conditions stériles. Les semis sont transférés dans un milieu de croissance stérile et acide, incubés et inspectés pour détecter toute contamination avant d’être...

Un système de co-culture pour étudier les réponses moléculaires des plantes hôtes et des bactéries en interaction

Le système de cocultivation hydroponique décrit supporte des plantes intactes avec des écrans en mèches métalliques et les cocultive avec des bactéries. Les tissus végétaux, les bactéries et les molécules sécrétées peuvent ensuite être récoltées séparément pour des analyses en aval, permettant simultanément d'étudier les réponses moléculaires des hôtes de la plante et des microbes ou microbiomes en interaction.

Un système de co-culture hydroponique pour l&#39;analyse simultanée et systématique des interactions et signalisation moléculaire des plantes / microbes

Un protocole expérimental est présenté pour évaluation des sols cultivés des systèmes racinaires plante avec RVB et imagerie hyperspectrale. Combinaison du temps d’image RVB scanne de série avec les informations de Chimiométrie de hyperspectral optimise les aperçus de la dynamique des racines végétales.

RVB et l’imagerie spectrale racine pour le phénotypage de l’usine et la recherche en physiologie : montage expérimental et des protocoles d’imagerie

Gibbérelline Perception capteur 1 (GPS1) est le premier Förster resonance energy axée sur le transfert biocapteur pour mesurer les niveaux cellulaires de phytohormones gibbérelline avec une haute résolution spatio-temporelle. Ce protocole des rapports sur la méthode de visualiser et de quantifier les niveaux de gibbérelline cellulaires utilisant le biocapteur nlsGPS1 génétiquement encodé dans Arabidopsis hypocotyles et radicelles.

Visualisation niveaux gibbérelline cellulaires à l’aide de la NlsGPS1 Förster Resonance Energy Transfer biocapteur (FRET)

Une douce machine de chargement à force tactile est construite à partir de brosses à cheveux humaines, de bras robotiques et d'un contrôleur. Les brosses à cheveux sont entraînées par des bras robotiques installés sur la machine et se déplacent périodiquement pour appliquer la force tactile sur les plantes. La force des touches de cheveux entraînées par la machine est comparable à celle des touches appliquées manuellement.

Un protocole d'écran mutant de signalisation de transmission de force tactile et répétable de travail pour l'étude de la thigmomorphogenesis d'une plante modèle Arabidopsis thaliana

Cette méthode de phénotypage gravimétrique à haut débit, télémétrique et à taux de croissance des plantes entières permet des mesures directes et simultanées en temps réel, ainsi que l’analyse de multiples traits physiologiques liés au rendement impliqués dans les interactions dynamiques entre les plantes et l’environnement.

Une plate-forme télémétrique et gravimétrique pour le phénotypage physiologique en temps réel des interactions plante-environnement

Nous utilisons des outils de laboratoire simples pour examiner l’architecture du système racinaire (RSA) d’Arabidopsis et de Medicago. Les plantules sont cultivées en hydroponie sur des mailles et étalées à l’aide d’un pinceau d’art pour révéler le RSA. Les images sont prises à l’aide d’un balayage ou d’une caméra haute résolution, puis analysées avec ImageJ pour cartographier les traits.

Un protocole simple pour cartographier les caractéristiques de l’architecture du système racinaire végétal

Nous avons conçu un protocole de phénotypage basé sur l’image pour déterminer les réponses morphologiques et physiologiques aux traitements simples et combinés de chaleur, de sécheresse et d’engorgement. Cette approche a permis d’identifier les réponses précoces, tardives et de récupération à l’échelle de l’ensemble de la plante, en particulier dans les parties aériennes, et a mis en évidence la nécessité d’utiliser plusieurs capteurs d’imagerie.

Phénotypage basé sur l’image à haut débit pour déterminer les réponses morphologiques et physiologiques à des stress uniques et combinés chez la pomme de terre

Ce manuscrit décrit une approche non destructive et à haut débit pour les mesures autonomes de champ de l’efficacité quantique du photosystème II, de la réflectance spectrale et de l’architecture des plantes, permettant un phénotypage photosynthétique à grande échelle de la canopée lors d’essais agronomiques et de reproduction sur le terrain.

Criblage à haut débit et sur le terrain de l’efficacité photosynthétique dans les plantes agricoles à l’aide d’un robot autonome

Découvrez une méthode robotique pour guider la croissance des plantes grimpantes en utilisant des stimuli lumineux bleus et des capteurs de proximité infrarouges sur Phaseolus vulgaris. Ce système biohybride ouvre de nouvelles voies pour l'agriculture automatisée.

Fourniture de détection robotique et de stimuli pour la croissance guidée des plantes

Explorer plus de vidéos