Name: Rilevamento robotico e fornitura di stimoli per la crescita guidata delle piante (Video) | JoVE Journal
Uploaded: 2019-07-01T15:00:00.000+00:00
Duration: 8 min 2 s
Description: Scopri come guidare la crescita delle piante rampicanti con nodi robotici autonomi che utilizzano stimoli luminosi blu per attivare il fototropismo. Questo metodo innovativo permette di modellare la crescita di Phaseolus vulgaris in pattern predefiniti.

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

Questo studio è stato sostenuto da un progetto flora robotica che ha ricevuto finanziamenti dal programma di ricerca e innovazione Orizzonte 2020 dell'Unione europea nell'ambito dell'accordo di sovvenzione FET, n. 640959. Gli autori ringraziano Anastasios Getsopulos ed Ewald Neufeld per il loro contributo nell'assemblaggio dell'hardware, e Tanja Katharina Kaiser per il suo contributo nel monitoraggio degli esperimenti sulle piante.

<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>

Gli autori dichiarano di non avere interessi finanziari concorrenti.

La metodologia presentata mostra i primi passi verso l'automazione dello sterzo guidato dagli stimoli della crescita delle piante, per generare modelli specifici. Ciò richiede il continuo mantenimento della salute delle piante, combinando in un unico esperimento la configurazione dei regni distinti delle risposte alla crescita biochimica e ha progettato le funzioni meccatroniche di rilevamento, comunicazione e generazione controllata di stimoli. Poiché la nostra attenzione qui è sulle piante rampicanti, anche il supporto meccanico è parte integrante. Una limitazione della configurazione attuale è la sua scala, ma crediamo che la nostra metodologia sia facilmente scalabile. Lo scaffold meccanico può essere esteso per configurazioni più grandi e quindi periodi di crescita più lunghi, che consente anche configurazioni e modelli espansi. Qui l'impostazione è limitata a due dimensioni e le decisioni binarie da sinistra-destra, poiché la crescita è limitata a una griglia di supporti meccanici con un'inclinazione di 45 gradi e le posizioni decisionali dell'impianto sono limitate alle biforcazioni di quella griglia. Le estensioni meccaniche possono includere impalcature 3D e materiali diversi, per consentire forme complesse9,19. La metodologia può essere considerata un sistema per far crescere automaticamente i modelli definiti da un utente. Estendendo la possibile complessità delle configurazioni meccaniche, gli utenti devono affrontare poche restrizioni sui modelli desiderati. Per tale applicazione, uno strumento software utente dovrebbe confermare che il modello è producibile, e la meccatronica dovrebbe quindi auto-organizzare la produzione del modello generando stimoli appropriati per guidare le piante. Il software dovrebbe anche essere esteso per includere piani di recupero e politiche che determinano come continuare la crescita se il modello pianificato originale è parzialmente fallito, ad esempio se il primo robot attivato non ha mai rilevato una pianta, ma quelli dodori hanno visto che la posizione delle punte di crescita sono al di là del robot attivato.
Nella metodologia presentata, un esempio di specie vegetali che soddisfano i criteri di selezione del protocollo è il favo comune di arrampicata, P. vulgaris. Questa è la specie utilizzata nei risultati rappresentativi. Poiché P. vulgaris ha un forte fototropismo positivo ai raggi UV-A e alla luce blu, le fototropine (proteine del recettore della luce) nella pianta assorbiranno i fotoni corrispondenti alle lunghezze d'onda 340-500 nm. Quando i recettori vengono attivati, il primo gonfiore si verificherà nel gambo dal trasferimento preferenziale dell'acqua ai tessuti staminali che si oppongono ai recettori innescati, causando una risposta direzionale reversibile. Quindi, all'interno dello stelo, l'auxina (ormone del modello vegetale) è diretta alla stessa posizione del tessuto, perpetuando la risposta direzionale e fissando i tessuti staminali man mano che si irrigidiscono. Questo comportamento può essere utilizzato per modellare le piante in queste condizioni interne controllate, in quanto le piante sono esposte solo alla luce blu isolata e alla luce rossa isolata, con luce lontana rossa da sensori di prossimità iR a livelli sufficientemente bassi che non interferisce con comportamenti come la risposta ombra-evitamento20,21. La reazione al fototropismo nella pianta risponde nella configurazione alla luce da diodi blu con picco di emissione , max , e la fotosintesi22,23 nella pianta è supportata da diodi rossi con picco di emissione smax 650 nm. P. vulgaris crescere fino a diversi metri di altezza è adatto nella configurazione complessiva, come il circa 3 L di terreno da giardinaggio commerciale necessario per pentola si adatta alla scala di installazione.
Anche se l'attuale configurazione si concentra sulla luce come stimolo di attrazione, ulteriori stimoli possono essere rilevanti per altri tipi di esperimento. Se il modello desiderato richiede una separazione tra diversi gruppi di piante (ad esempio, il modello desiderato ha bisogno di due gruppi di piante per scegliere lati opposti), allora potrebbe non essere fattibile utilizzando un solo tipo di stimolo. Per tali modelli di crescita complessi indipendenti dalla forma dell'impalcatura, i diversi gruppi di piante possono potenzialmente essere coltivati in periodi di tempo diversi in modo che i rispettivi stimoli di attrazione non interferiscano, il che consentirebbe anche l'integrazione della ramificazione Eventi. Tuttavia, questa potrebbe non essere sempre una soluzione adatta, e lo stimolo leggero attraente standard potrebbe quindi essere aumentato respingendo influenze come l'ombreggiatura, o da altri stimoli come la luce di gran lunga o i motori a vibrazione9,14.
Il metodo presentato e la progettazione dell'esperimento sono solo un primo passo verso una metodologia sofisticata per influenzare automaticamente la crescita direzionale delle piante. La configurazione dell'esperimento è fondamentale determinando solo una sequenza di decisioni binarie nelle piante e ci concentriamo su uno stimolo facile da gestire. Sarebbero necessari ulteriori studi per dimostrare la rilevanza statistica del metodo, per aggiungere più stimoli e per controllare altri processi come la diramazione. Con uno sviluppo sufficiente a garantire l'affidabilità a lungo termine dei robot, la metodologia presentata potrebbe consentire l'automazione degli esperimenti delle piante per lunghi periodi di tempo, riducendo l'overhead associato allo studio delle fasi di sviluppo dell'impianto al di là di quella dei germogli. Metodi simili possono consentire future indagini sulle dinamiche poco esplorate tra organismi biologici e robot autonomi, quando i due agiscono come sistemi bio-ibridi auto-organizzanti strettamente accoppiati.

Congruenti con la crescente prevalenza dell'automazione nella produzione e nella produzione, i robot vengono utilizzati per seminare, trattare e raccogliere piante1,2,3,4,5. Utilizziamo la tecnologia robotica per automatizzare gli esperimenti sulle piante in modo non invasivo, con lo scopo di guidare la crescita attraverso risposte direzionali agli stimoli. Le pratiche tradizionali di giardinaggio hanno incluso la sagomatura manuale di alberi e cespugli mediante moderazione meccanica e taglio. Presentiamo una metodologia che può ad esempio essere applicata a questo compito modellante, orientando i modelli di crescita con gli stimoli. La nostra metodologia presentata è anche un passo verso esperimenti automatizzati sulle piante, qui con un focus specifico sulla fornitura di stimoli leggeri. Una volta che la tecnologia è diventata robusta e affidabile, questo approccio ha il potenziale per ridurre i costi negli esperimenti sugli impianti e per consentire nuovi esperimenti automatizzati che altrimenti sarebbero irrealizzabili a causa dell'overhead nel tempo e nel lavoro manuale. Gli elementi robotici sono liberamente programmabili e agiscono in modo autonomo in quanto sono dotati di sensori, attuatori per la fornitura di stimoli e microprocessori. Mentre ci concentriamo qui sul rilevamento di prossimità (cioè, misurare le distanze a distanza ravvicinata) e stimoli leggeri, molte altre opzioni sono fattibili. Ad esempio, i sensori possono essere utilizzati peranalizzare il colore della pianta, per monitorare l'attività biochimica 6, o per fitosensing7 approcci per monitorare ad esempio le condizioni ambientali attraverso l'elettrofisiologia vegetale8. Allo stesso modo, le opzioni dell'attuatore potrebbero fornire altri tipi di stimoli9, attraverso motori a vibrazione, dispositivi di spruzzatura, riscaldatori, ventilatori, dispositivi di ombreggiatura o manipolatori per il contatto fisico diretto. Ulteriori strategie di attuazione potrebbero essere implementate per fornire una mobilità lenta ai robot (cioè 'bot lenti'10), in modo che possano cambiare gradualmente la posizione e la direzione da cui forniscono stimoli. Inoltre, poiché i robot sono dotati di computer a scheda singola, potrebbero eseguire processi più sofisticati come la visione per la fenotipizzazione vegetale11 o i controllori di rete neurale artificiale per l'attivazione degli stimoli12. Poiché la ricerca scientifica delle piante si concentra spesso sulla crescita precoce (cioè nei germogli)13, l'intero ambito dell'utilizzo di sistemi robot autonomi per influenzare le piante per periodi più lunghi sembra poco esplorato e può offrire molte opportunità future. Andando anche un passo avanti, gli elementi robotici possono essere visti come oggetti di ricerca stessi, consentendo lo studio delle complesse dinamiche dei sistemi bio-ibridi formati da robot e piante che interagiscono strettamente. I robot impongono selettivamente stimoli alle piante, reagiscono in base al loro comportamento adattivo e cambiano il loro modello di crescita, che viene successivamente rilevato dai robot tramite i loro sensori. Il nostro approccio chiude il ciclo di feedback comportamentale tra le piante e i robot e crea un ciclo di controllo omeostatico.
Nei nostri esperimenti per testare la funzione del sistema robot, usiamo esclusivamente il fagiolo comune di arrampicata, Phaseolus vulgaris. In questa configurazione, utilizziamo piante rampicanti, con supporti meccanici in un ponteggio grigliato di altezza complessiva di 180 cm, in modo che le piante siano influenzate dal tigmotromo e abbiano una serie limitata di direzioni di crescita tra cui scegliere. Dato che vogliamo modellare l'intera pianta per un periodo di settimane, utilizziamo stimoli di luce blu per influenzare il fototropismo della pianta macroscopicamente, in diversi periodi di crescita, tra cui giovani germogli e successivamente irrigidimento dello stelo. Conduciamo gli esperimenti in condizioni di luce ambientale completamente controllate in cui diversi dagli stimoli della luce blu forniamo esclusivamente luce rossa, con picco di emissione a lunghezza d'onda 650 nm. Quando raggiungono una biforcazione nella griglia di supporto meccanico, prendono una decisione binaria se crescere a sinistra oa destra. I robot sono posizionati a queste biforcazioni meccaniche, separate da distanze di 40 cm. Attivano e disattivano autonomamente la loro emissione di luce blu, con picco di emissione a lunghezza d'onda 465 nm, secondo una mappa predefinita del modello di crescita desiderato (in questo caso, un modello a zig-zag). In questo modo, le piante sono guidate dalla biforcazione alla biforcazione in una sequenza definita. Viene attivato un solo robot in un dato momento, durante il quale emette luce blu mentre monitora autonomamente la crescita delle piante sul supporto meccanico sottostante. Una volta che rileva una punta crescente utilizzando i suoi sensori di prossimità a infrarossi, smette di emettere luce blu e comunica ai suoi robot vicini via radio. Il robot che si determina per essere il prossimo obiettivo nella sequenza successivamente si attiva, attirando la crescita delle piante verso una nuova biforcazione meccanica.
Poiché il nostro approccio incorpora meccanismi sia ingegnerizzati che naturali, i nostri esperimenti includono diversi metodi che operano contemporaneamente e interdipendenti. Il protocollo qui è prima organizzato in base al tipo di metodo, ognuno dei quali deve essere integrato in una configurazione di esperimento unificato. Questi tipi sono la selezione delle specie vegetali; progettazione di robot, inclusi hardware e meccanica; software robot per la comunicazione e il controllo; e il monitoraggio e il mantenimento della salute delle piante. Il protocollo procede quindi con la progettazione dell'esperimento, seguita dalla raccolta e dalla registrazione dei dati. Per tutti i dettagli dei risultati ottenuti finora, vedere Wahby et al. I risultati rappresentativi coprono tre tipi di esperimenti: esperimenti di controllo in cui tutti i robot non forniscono stimoli (cioè sono domeggiati); esperimenti a decisione singola in cui l'impianto fa una scelta binaria tra un robot che fornisce stimoli e uno che è domente; e esperimenti a decisioni multiple in cui la pianta naviga in una sequenza di scelte binarie per far crescere un modello predefinito.

<table><tbody><tr><td>Custodia stampata in 3D</td><td>Shapeways, Inc</td><td>n/a</td><td>Prodotto personalizzato,</td></tr> <tr><td>giunti stampati in https://www.shapeways.com/ 3D</td><td>n/a</td><td>n/a</td><td>Prodotto dagli autori</td></tr><tr><td>Adafruit BME280 I2C o SPI Sensore di temperatura e umidità e pressione</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>celle</td> <td>fotoconduttive CdSLida Ottica & Electronic Co., Ltd</td><td>GL5528</td><td></td></tr><tr><td>Cybertronica PCB</td><td>Cybertronica Research</td><td>n/a</td><td>Prodotto personalizzato, http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf</td></tr><tr><td>Ventilatore DC senza spazzole</td><td>Sunonwealth Electric Machine Industry Co., Ltd.</td><td>UB5U3-700</td><td></td></tr><tr><td>Sensore di temperatura digitale</td><td>Maxim Integrated</td><td>DS18B20</td><td></td></tr><tr><td>Alta potenza (800 mA) EPILED - Far Red / Infra Red (740-745 nm)</td><td>Future Eden Ltd.</td><td>n/a</td><td></td></tr><tr><td>Sensore di umidità del suolo I2C</td><td>Catnip Electronics</td><td>v2.7.5</td><td></td></tr><tr><td>Sensori di prossimità IR (4-30 cm)</td><td>Sharp Electronics</td><td>GP2Y0A41SK0</td><td></td></tr><tr><td>Torcia a LED (50 W)</td><td>Inter-Union Technohandel GmbH</td><td>103J50</td><td></td></tr><tr><td>LED Rosso Blu Lampada a sospensione per piante da interno (45 W)</td><td>Erligpowht</td><td>B00S2DPYQM</td><td></td></tr><tr><td>Pompa sommersa a bassa tensione 600 l/h (6 m di dislivello)</td><td>Peter Barwig Wasserversorgung</td><td>444</td><td></td></tr><tr><td>Pannello di fibra a media densità</td><td>n/a</td><td>n/a</td><td>Per supporto</td></tr><tr><td>Micro-Spectrometro (Hamamatsu) su una scheda breakout compatibile con 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>Pentole (capacità di tenuta 3,5 l, 15,5 cm di altezza)</td><td>n/a</td><td>n/a</td><td></td></tr><tr><td>Alimentatori (5 V, 10 A)</td><td>Adafruit</td><td>658</td><td></td></tr><tr><td>Raspberry Pi 3 Modello 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</td> Foundation Zero <td>Raspberry Pi Foundation</td><td>Zero</td><td></td></tr><tr><td>RGB Color Sensor con filtro IR e LED bianco - TCS34725</td><td>Adafruit</td><td>1334</td><td></td></tr><tr><td>Terriccio per semina ed erbe aromatiche</td><td>Gardol</td><td>n/a</td><td></td></tr><tr><td>Fagiolo</td><td>SPERLI GmbH</td><td>402308</td><td></td></tr><tr><td>Lastra acrilica trasparente da 5 mm</td><td>n/a</td><td>n/a</td><td>Per supporto strutturale supplementare</td></tr><tr><td>Aste di legno (legno di betulla), verniciate di nero, diametro 5 mm</td><td>n/a</td><td>n/a</td><td>Per piante da arrampicare</td></tr></tbody></table>

rilevamento robotico e fornitura di stimoli per la crescita guidata delle piante

Robotic Sensing and Stimuli Provision for Guided Plant Growth

I sistemi robotizzati sono attivamente studiati per la manipolazione delle piante naturali, tipicamente limitate alle attività di automazione agricola come il raccolto, l'irrigazione e il controllo meccanico delle erbacce. Estendendo questa ricerca, introduciamo qui una nuova metodologia per manipolare la crescita direzionale delle piante attraverso i loro meccanismi naturali per la segnalazione e la distribuzione degli ormoni. Un'efficace metodologia di fornitura di stimoli robotici può aprire possibilità per nuove sperimentazioni con fasi di sviluppo successive negli impianti o per nuove applicazioni biotecnologiche come la formazione di piante per pareti verdi. L'interazione con le piante presenta diverse sfide robotiche, tra cui il rilevamento a corto raggio di organi vegetali piccoli e variabili e l'attuazione controllata delle risposte delle piante che sono influenzate dall'ambiente oltre agli stimoli forniti. Al fine di guidare la crescita delle piante, sviluppiamo un gruppo di robot immobili con sensori per rilevare la vicinanza di punte di crescita, e con diodi per fornire stimoli leggeri che attuano il fototropismo. I robot sono testati con il fagiolo comune di arrampicata, Phaseolus vulgaris, in esperimenti con durate fino a cinque settimane in un ambiente controllato. Con i robot che emettono in sequenza emissioni di picco luce blu a lunghezza d'onda 465 nm-plant, vengono guidate con successo da decisioni binarie successive lungo supporti meccanici per raggiungere le posizioni di destinazione. I modelli di crescita sono testati in un setup fino a 180 cm di altezza, con steli vegetali cresciuti fino a circa 250 cm di lunghezza cumulativa per un periodo di circa sette settimane. I robot si coordinano e operano in modo completamente autonomo. Rilevano le punte delle piante che si avvicinano tramite sensori di prossimità a infrarossi e comunicano via radio per passare tra stimoli di luce blu e stato dometrato, se necessario. Nel complesso, i risultati ottenuti supportano l'efficacia della combinazione di metodologie di esperimento robot e impianto, per lo studio di interazioni potenzialmente complesse tra sistemi autonomi naturali e ingegnerizzati.

Controllo: Comportamento delle piante senza stimoli robotici. A causa della mancanza di luce blu (cioè, tutti i robot sono donti),il fototropismo positivo non viene attivato nella pianta. Pertanto, le piante mostrano una crescita verso l'alto imparziale mentre seguono il gravitrofismo. Mostrano anche la tipica circoncisa (ad esempio, avvolgimento), vedere la figura 4A. Come previsto, le piante non riescono a trovare il supporto meccanico che porta ai robot dodolati. Le piante collassano quando non possono più sostenere il proprio peso. Interrompiamo gli esperimenti quando almeno due piante collassano, vedere Figura 4B,C.
Decisioni singole o multiple: comportamento delle piante con stimoli robotici In quattro esperimenti a decisione singola, due piste hanno sterzo verso sinistra (cioè, il robot a sinistra della biforcazione viene attivato allo stimolo),e due piste hanno lo sterzo verso destra. I robot di stimolo guidano con successo le piante verso il supporto corretto, vedere Figura 5. La pianta più vicina con l'angolo del gambo più simile a quella del supporto corretto si attacca per prima. In ogni esperimento, almeno una pianta si attacca al supporto e lo sale fino a raggiungere il robot di stimolo e quindi termina l'esperimento. In un esperimento, un secondo impianto si collega al supporto corretto. Le piante rimanenti potrebbero essere collegate anche in durate di esperimento più lunghe. Nessuna delle piante si collega al supporto errato. Ogni esperimento viene eseguito in modo continuo per 13 giorni in media.
In due esperimenti a più decisioni, le piante diventano un modello a zig-zag predefinito, vedere la figura 6A. Ogni esperimento dura circa sette settimane. All'avvio di un esperimento, un robot imposta il suo stato su stimolo (vedi 3.6.3) e guida le piante verso il supporto corretto secondo il modello stabilito. Un impianto lo attacca e lo arrampica, arrivando al robot di stimolo attivato completando così la prima decisione. Secondo 3.7.3, l'attuale robot di stimolo diventa quindi domendo e notifica ai suoi vicini adiacenti. Il vicino dodolo che si trova accanto sul motivo a zig-zag si trasforma in stimolo (vedi 3.7.6). Se una pianta viene rilevata da un robot dometrato, tale robot non reagisce (vedi 3.7.2). Gli impianti continuano e completano con successo le restanti tre decisioni. Il modello a zig-zag predefinito è quindi completamente cresciuto, vedere Figura 6B.
Tutti i dati dell'esperimento, così come i video, sono disponibili online24.
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/59835/59835fig1.jpg"> come illustrato nella Figura 1. Il robot immobile e i suoi componenti primari. Figura ristampata dalla pubblicazione dell'autore Wahby et al.14, utilizzata con licenza Creative Commons CC-BY 4.0 (vedi file supplementari), con modifiche come consentito dalla licenza. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig1large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 2" class="xfigimg" src="/files/ftp_upload/59835/59835fig2.jpg"> come illustrato nella Figura 2. Il diagramma dei componenti dell'elettronica del robot immobile. I driver LED IRLML2060 sono interfacciati con il computer a scheda singola del robot (ad esempio Raspberry Pi) tramite PWM per controllare la luminosità dei LED. Un interruttore LP5907 è interfacciato con il computer a scheda singola tramite pin di intestazione GPIO (input/output) generico, per controllare la ventola. Un convertitore MCP3008 analogico-digitale (ADC) è interfacciato con il computer a scheda singola tramite SPI (Serial Ipheral Interface) per leggere i dati analogici del sensore IR e del resistore dipendente dalla luce (LDR). <a href="https://www.jove.com/files/ftp_upload/59835/59835fig2large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 3" class="xfigimg" src="/files/ftp_upload/59835/59835fig3.jpg"> come illustrato nella figura 3. Poco dopo il '03.04.16', una punta di pianta sale un supporto e arriva nel campo visivo del robot. (A) Campione di letture di tensione in scala (asse verticale) del sensore di prossimità IR (asse verticale) durante un esperimento. Valori più elevati indicano il rilevamento della punta dell'impianto. (B) Il sensore di prossimità dell'IR è posizionato e orientato in base all'attacco di supporto, per garantire un efficace rilevamento delle punta dell'impianto. Figura ristampata dalla pubblicazione dell'autore Wahby et al.14, utilizzata con licenza Creative Commons CC-BY 4.0 (vedi file supplementari), con modifiche come consentito dalla licenza. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig3large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 4" class="xfigimg" src="/files/ftp_upload/59835/59835fig4.jpg"> come illustrato nella Figura 4. Gli esperimenti di controllo hanno risultato fotogrammi che dimostrano che tutte e quattro le piante non si sono attaccate ad alcun supporto in assenza di luce blu. (A) Dopo cinque giorni, tutte le piante crescono verso l'alto in uno degli esperimenti di controllo (vedi (C) per la successiva condizione di crescita). (B) Dopo 15 giorni, tre piante sono collassate e una continua a crescere nel primo esperimento di controllo. (C) Dopo sette giorni, due piante sono collassate e due sono ancora in crescita nel secondo esperimento di controllo (cfr. (A) per le precedenti condizioni di crescita). Figura ristampata dalla pubblicazione dell'autore Wahby et al.14, utilizzata con licenza Creative Commons CC-BY 4.0 (vedi file supplementari), con modifiche come consentito dalla licenza. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig4large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 5" class="xfigimg" src="/files/ftp_upload/59835/59835fig5.jpg"> come illustrato nella Figura 5. Gli esperimenti a decisione singola indicano la capacità di un robot di stimolo di guidare le piante attraverso una decisione binaria, per scalare il supporto corretto. In tutti e quattro gli esperimenti, un robot è impostato su stimolo e l'altro su dondo-a due lati opposti di una giunzione. I telai mostrano la posizione delle piante proprio prima che il robot di stimolo le rilevi. In ogni esperimento almeno un impianto si attacca al supporto corretto e nessun impianto si attacca a quello errato. Inoltre, le piante non supportate mostrano una crescita di parte verso il robot di stimolo. E, F, G, H sono primi piano rispettivamente di A, B, C, D. Figura ristampata dalla pubblicazione dell'autore Wahby et al.14, utilizzata con licenza Creative Commons CC-BY 4.0 (vedi file supplementari), con modifiche come consentito dalla licenza. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig5large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>
<img alt="Figure 6" class="xfigimg" src="/files/ftp_upload/59835/59835fig6v2.jpg"> come illustrato nella Figura 6. Esperimento multi-decisione. (A) Il modello a zig-zag mirato è evidenziato in verde sulla mappa. (B) L'ultimo fotogramma dell'esperimento (dopo 40 giorni), che mostra la situazione delle piante prima che l'ultimo robot di stimolo sul modello le rilevi. I robot crescono con successo il modello a zig-zag. Figura ristampata dalla pubblicazione dell'autore Wahby et al.14, utilizzata con licenza Creative Commons CC-BY 4.0 (vedi file supplementari), con modifiche come consentito dalla licenza. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig6large.jpg" target="_blank">Fare clic qui per visualizzare una versione più grande di questa figura.</a>

I nodi robot distribuiti forniscono sequenze di stimoli alla luce blu per orientare le traiettorie di crescita delle piante rampicanti. Attivando il fototropismo naturale, i robot guidano le piante attraverso le decisioni binarie sinistra-destra, facendole crescere in modelli predefiniti che invece non sono possibili quando i robot sono domeggiati.

Rilevamento robotico e fornitura di stimoli per la crescita guidata delle piante

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

Guidare la crescita direzionale delle piante con un sistema autonomo è un concetto nuovo e originale che non è stato riportato prima. La chiave qui per noi è scoprire cosa è effettivamente fattibile. La nostra tecnica è il primo metodo automatizzato per far crescere le piante in forme e forme desiderate utilizzando nodi robotici per rilevare le piante con i loro sensori e cambiare di conseguenza gli stimoli.Questo metodo e i robot qui utilizzati possono essere utilizzati con strutture in crescita dinamica in cui i feedback determinano lo sviluppo del sistema bioibride. Mantenere la salute delle piante e rilevarne la presenza nei punti di intersezione è difficile. Assicurarsi che le sorgenti luminose esterne non innescheranno risposte fototropiche in uno stato di guasto.La dimostrazione visiva è necessaria per mostrare la collaborazione tra piante e robot per lunghi periodi di tempo per far crescere modelli di crescita definiti dall'utente. Julian Ptezold, uno studente laureato nel nostro gruppo di ricerca, dimostrerà la procedura di esperimento. Prima di iniziare un esperimento, selezionare una specie vegetale nota per mostrare un forte fototropismo positivo verso l'ultravioletto A e la luce blu nelle punte di crescita.Abbiamo scelto Phaseolus vulgaris o fagiolini perché crescono velocemente e mostrano una forte crescita direzionale verso la luce blu. Comporre ogni robot attorno a un computer wireless abilitato alla rete locale a scheda singola e interfacciare il computer a sensori e attuatori tramite un circuito stampato personalizzato. Includere un sensore di prossimità a infrarossi per direzione in fase di test per gli impianti in avvicinamento, inclusi un numero sufficiente di diodi emettitori di luce per fornire i requisiti di luce blu per direzione in fase di test per gli impianti in avvicinamento.Includi hardware che consenta segnali locali tra robot e includa un fotoresistore per ogni direzione del robot vicino per monitorare il loro stato di emissione di luce. Includere l'hardware per dissipare il calore come richiesto dalle condizioni dei diodi blu selezionati e dell'involucro del robot utilizzato utilizzando una combinazione di dissipatori di calore in alluminio, prese d'aria nell'involucro e nelle ventole di ogni robot. Dopo aver confermato che le direzioni dei componenti del robot sono posizionate uniformemente, posizionare i diodi blu per distribuire un'intensità luminosa equivalente a ciascuna delle direzioni da cui le piante possono avvicinarsi e orientare ogni diodo nel caso del robot in modo che l'asse centrale del suo angolo obiettivo sia entro 60 gradi da ogni asse del supporto meccanico che fornisce.Posizionare i sensori di prossimità all'infrarosso in modo equivalente per le rispettive direzioni di crescita in avvicinamento entro un centimetro dal punto di attacco tra il robot e il supporto meccanico che viene utilizzato orientando ciascun sensore in modo che il suo angolo di visualizzazione sia parallelo all'asse di supporto. Successivamente, apporre un foglio di acrilico trasparente di 125 per 180 centimetri su un supporto largo 125 centimetri in grado di mantenere la configurazione in posizione verticale. Integra i robot in una serie di supporti meccanici modulari che tengono doppiamente i robot in posizione e fungono da impalcature da arrampicata per le piante per limitare le probabili traiettorie di crescita media delle piante.Su ogni robot, includere punti di attacco per ancorare i supporti meccanici specifici, incluso un punto di attacco per ogni direzione con cui un impianto può avvicinarsi o lasciare un robot. Posizionare i vasi con il terreno appropriato sul supporto contro il foglio acrilico e apporre due robot sul foglio acrilico inserendo le estremità dei supporti precedentemente posizionati nelle prese nelle casse del robot. Quindi ripetere il modello per apporre i robot rimanenti e sostenere nel modello in diagonale in grani tale che ogni fila di robot sia 35 centimetri sopra la riga precedente e che ogni robot sia posizionato orizzontalmente direttamente sopra il robot o il giunto Y che si trova due file sotto.I supporti meccanici devono essere disposti in un modello regolarmente grintoso che sia uniformemente diagonale con un angolo di inclinazione a 45 gradi o più ripido con lunghezze di supporto uniformi di almeno 30 centimetri per supporto. La lunghezza esposta preferita dovrebbe essere di almeno 40 centimetri per consentire un certo buffer per casi statisticamente estremi di distacco delle piante. Nel software del robot, stabilire uno stato di stimolo durante il quale il robot emette luce blu e uno stato dormiente durante il quale il robot non emette luce o emette luce rossa.Posizionare la configurazione sperimentale in condizioni ambientali controllate e mantenere la fotosintesi dell'impianto utilizzando lampade di crescita a diodi emettitori di luce esterne ai robot e di fronte alla configurazione sperimentale. Dopo la germinazione, fornire a ciascuna pianta il proprio vaso alla base dell'impostazione sperimentale e regolare i livelli di temperatura e umidità dell'aria in base alle specie selezionate utilizzando riscaldatori, condizionatori d'aria, umidificatori e de-umidificatori se necessario e monitorando questi livelli utilizzando un sensore di umidità della pressione della temperatura. Per testare la crescita delle piante in presenza di molteplici condizioni di stimolo successive, fornire ai robot una mappa globale del modello da cresciuta e catturare continuamente video timelapsed degli esperimenti utilizzando telecamere posizionate in due o più punti panoramici con almeno una vista della telecamera che comprende l'impostazione sperimentale completa.Assicurarsi che le immagini acquisite siano di una risoluzione abbastanza alta da catturare adeguatamente i movimenti delle punte di coltivazione della pianta che in genere sono di pochi millimetri di larghezza. Quindi osservare gli eventi di attacco dell'impianto e il modello di crescita lungo i supporti meccanici in un adeguato periodo di crescita sperimentale. In condizioni prive di luce blu, il fototropismo positivo non viene attivato e le piante mostrano una crescita verso l'alto imparziale mentre seguono il gravitropismo.Le piante mostrano anche tipicamente la circumnutazione. Come previsto in queste condizioni, gli impianti non riescono a trovare il supporto meccanico che porta ai robot dormienti e collassano quando non riescono più a sostenere il proprio peso. L'esperimento dovrebbe essere interrotto quando almeno due piante collassano.In questo esperimento rappresentativo a decisione singola, i robot di stimolo hanno guidato con successo le piante verso il supporto corretto. In questo esperimento rappresentativo a decisione multipla, le piante sono cresciute in un modello zigzag predefiniti usando robot dormienti e stimolanti per percepire e stimolare la crescita delle piante rispettivamente fino a quando il modello zigzag prede definito non è stato completamente coltivato. Studiare questo tipo di sistema bioibride apre la strada a tecniche emergenti dall'architettura, dalla biologia e dall'ingegneria per sviluppare strutture adattive viventi e far crescere componenti di costruzione.

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

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

Riportiamo un metodo per l'introduzione, il monitoraggio e l'analisi quantitativa di espressione GFP nelle cellule vegetali. Questo metodo utilizza un sistema progettato su misura per la robotica semi-continua raccolta di immagini da un gran numero di campioni, nel corso del tempo. Abbiamo anche dimostrare l'uso di ImageJ e ImageReady per l'analisi delle serie di immagini.

Robotica e Image Analysis dinamica per gli Studi di espressione genica nei tessuti vegetali

Questo articolo fornisce un protocollo per la coltivazione di piantine di Arabidopsis in RootChip, una piattaforma di imaging microfluidico che combina controllo automatizzato delle condizioni di crescita con il monitoraggio radice al microscopio e FRET-based misura i livelli di metaboliti intracellulari.

Time-lapse imaging di fluorescenza della crescita Root Arabidopsis con manipolazione accelerato dell&#39;ambiente root usando il RootChip

Fonte: Nathoo, N., et al. Un sistema di co-coltivazione idroponica per l'analisi simultanea e sistematica delle interazioni molecolari pianta/microbo e della segnalazione. J. Vis. Exp. (2017).Questo video mostra un sistema di co-coltivazione idroponica per lo studio delle interazioni pianta-batteri in condizioni sterili. Le piantine delle piante vengono trasferite in un terreno di coltura sterile e acido, incubate e ispezionate per verificare la presenza di contaminazioni prima...

Un sistema di co-coltivazione per studiare le risposte molecolari delle piante ospiti e dei batteri interagenti

Il sistema di cocultivazione idroponico descritto supporta piante intatte con schermi a maglie metalliche e cocultivala con batteri. I tessuti vegetali, i batteri e le molecole secrete possono quindi essere raccolte separatamente per analisi a valle, consentendo contemporaneamente le risposte molecolari di entrambi gli host vegetali e dei microbi o dei microbiomi interattivi.

Un sistema di co-coltivazione idroponica per l&#39;analisi simultanea e sistematica delle interazioni molecolari e della segnalazione delle piante / microbe

Un protocollo sperimentale è presentato per la valutazione del terreno coltivato pianta radice sistemi con RGB e l'imaging iperspettrale. Combinazione di tempo di immagine RGB serie con chemiometrica informazioni da iperspettrale scansioni ottimizza intuizioni nelle dinamiche di radice di pianta.

RGB e Imaging spettrale radice per pianta Phenotyping e ricerca fisiologica: messa a punto sperimentale e protocolli di Imaging

Gibberellina percezione sensore 1 (GPS1) è il primo Förster risonanza energia basati su trasferimento biosensore per misurare i livelli cellulari di fitormoni gibberellina con un'alta risoluzione spazio-temporale. Questo protocollo segnala sul metodo per visualizzare e quantificare i livelli cellulari gibberellina utilizzando il biosensore codificato geneticamente nlsGPS1 in Arabidopsis ipocotili e punte delle radici.

Visualizzazione livelli gibberellina cellulare utilizzando l'energia di risonanza di Förster NlsGPS1 Transfer (FRET) biosensore

Una delicata macchina di caricamento touch-force è costruita da spazzole per capelli umani, bracci robotici e un controller. Le spazzole per capelli sono azionate da bracci robotici installati sulla macchina e si muovono periodicamente per applicare la forza tocco sulle piante. La forza dei tocchi di capelli guidati da macchine è paragonabile a quella dei tocchi applicati manualmente.

Un protocollo dello schermo mutante di segnalazione della forza di manodopera e ripetibile per lo studio della Thigmomorphogenesis di un modello di arabidopsis thaliana

Questo metodo di fenotipizzazione gravitazionale ad alta produttività, telemetrico e dell'intera pianta consente misurazioni dirette e simultanee in tempo reale, nonché l'analisi di più tratti fisiologici legati alla resa coinvolti nelle interazioni dinamico tra piante e ambiente.

Una piattaforma telemetrica e gravimetrica per la fenotipizzazione fisiologica in tempo reale delle interazioni pianta-ambiente

Utilizziamo semplici strumenti di laboratorio per esaminare l'architettura del sistema di root (RSA) di Arabidopsis e Medicago. Le piantine vengono coltivate idroponicamente su rete e distribuite usando un pennello artistico per rivelare la RSA. Le immagini vengono scattate utilizzando la scansione o una fotocamera ad alta risoluzione, quindi analizzate con ImageJ per mappare i tratti.

Un semplice protocollo per mappare i tratti dell'architettura del sistema di root delle piante

Abbiamo progettato un protocollo di fenotipizzazione basato su immagini per determinare le risposte morfologiche e fisiologiche a trattamenti singoli e combinati di calore, siccità e ristagno idrico. Questo approccio ha permesso di identificare le risposte precoci, tardive e di recupero a livello di intero impianto, in particolare le parti fuori terra, e ha evidenziato la necessità di utilizzare più sensori di imaging.

Fenotipizzazione basata su immagini ad alta produttività per determinare le risposte morfologiche e fisiologiche a stress singoli e combinati nella patata

Questo manoscritto descrive un approccio non distruttivo e ad alta produttività per misurazioni autonome sul campo dell'efficienza quantistica del fotosistema II, della riflettanza spettrale e dell'architettura delle piante, consentendo la fenotipizzazione della fotosintesi della chioma su larga scala in prove agronomiche e di riproduzione sul campo.

Screening ad alta produttività, in campo, dell'efficienza fotosintetica nelle piante coltivate tramite un robot autonomo

Scopri come guidare la crescita delle piante rampicanti con nodi robotici autonomi che utilizzano stimoli luminosi blu per attivare il fototropismo. Questo metodo innovativo permette di modellare la crescita di Phaseolus vulgaris in pattern predefiniti.

Rilevamento robotico e fornitura di stimoli per la crescita guidata delle piante

Esplora altri video