Name: Zrobotyzowane wykrywanie i dostarczanie bodźców do sterowanego wzrostu roślin (Wideo) | JoVE Journal
Uploaded: 2019-07-01T15:00:00.000+00:00
Duration: 8 min 2 s
Description: Poznaj zrobotyzowaną metodę sterowania wzrostem roślin pnących za pomocą bodźców światłem niebieskim. System wykorzystuje węzły robotyczne do aktywacji fototropizmu Phaseolus vulgaris.

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

To badanie było wspierane przez projekt flora robotica, który otrzymał dofinansowanie z programu Unii Europejskiej Horyzont 2020 w ramach umowy o grant FET, nr 640959. Autorzy dziękują Anastasiosowi Getsopulosowi i Ewaldowi Neufeldowi za ich wkład w montaż sprzętu oraz Tanji Katharinie Kaiser za jej wkład w monitorowanie eksperymentów w zakładach.

<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>

Autorzy oświadczają, że nie mają konkurencyjnych interesów finansowych.

Przedstawiona metodologia pokazuje pierwsze kroki w kierunku automatyzacji sterowanego bodźcami sterowania wzrostem roślin w celu wygenerowania określonych wzorców. Wymaga to ciągłego utrzymywania zdrowia roślin przy jednoczesnym połączeniu w jeden eksperyment różnych sfer biochemicznych reakcji wzrostu i zaprojektowanych funkcji mechatronicznych - wykrywania, komunikacji i kontrolowanego generowania bodźców. Ponieważ skupiamy się tutaj na roślinach pnących, wsparcie mechaniczne jest również integralne. Ograniczeniem obecnej konfiguracji jest jej skala, ale wierzymy, że nasza metodologia łatwo się skaluje. Rusztowanie mechaniczne można rozbudować w przypadku większych konfiguracji, a tym samym dłuższych okresów wzrostu, co pozwala również na rozszerzone konfiguracje i wzory. W tym przypadku konfiguracja jest ograniczona do dwóch wymiarów i binarnych decyzji lewo-prawo, ponieważ wzrost jest ograniczony do siatki podpór mechanicznych o nachyleniu 45°, a pozycje decyzyjne zakładu są ograniczone do rozwidleń tej siatki. Rozszerzenia mechaniczne mogą obejmować rusztowania 3D i różne materiały, aby umożliwić uzyskanie skomplikowanych kształtów 9,19. Metodologię można uznać za system do automatycznego wzrostu wzorców zdefiniowanych przez użytkownika. Rozszerzając możliwą złożoność konfiguracji mechanicznych, użytkownicy powinni napotkać kilka ograniczeń dotyczących pożądanych wzorców. W przypadku takiego zastosowania oprogramowanie użytkownika powinno potwierdzić, że wzór jest możliwy do wyprodukowania, a mechatronik powinien następnie samodzielnie zorganizować produkcję wzoru, generując odpowiednie bodźce do sterowania roślinami. Oprogramowanie powinno również zostać rozszerzone o plany naprawcze i zasady określające, w jaki sposób kontynuować wzrost, jeśli pierwotnie zaplanowany wzorzec częściowo się nie powiedzie – na przykład, jeśli pierwszy aktywowany robot nigdy nie wykrył rośliny, ale te uśpione zauważyły, że położenie rosnących końcówek znajduje się poza aktywowanym robotem.
W przedstawionej metodyce przykładowym gatunkiem rośliny spełniającym kryteria wyboru protokołu jest pnący bobik zwyczajny P. vulgaris. Jest to gatunek wykorzystany w reprezentatywnych wynikach. Ponieważ P. vulgaris ma silny dodatni fototropizm na UV-A i światło niebieskie, fototropiny (białka receptora światła) w roślinie będą absorbować fotony odpowiadające długościom fal 340-500 nm. Kiedy receptory zostaną wyzwolone, pierwszy obrzęk nastąpi w łodydze poprzez preferencyjne przemieszczenie wody do tkanek łodygi przeciwstawnych do wyzwolonych receptorów, powodując odwracalną odpowiedź kierunkową. Następnie, w łodydze, auksyna (hormon wzorców roślinnych) jest kierowana do tego samego miejsca w tkance, utrwalając reakcję kierunkową i utrwalając tkanki łodygi w miarę ich sztywnienia. To zachowanie może być wykorzystane do kształtowania roślin w tych kontrolowanych warunkach wewnętrznych, ponieważ rośliny są wystawione tylko na izolowane światło niebieskie i izolowane światło czerwone, z padającym światłem dalekiej czerwieni z czujników zbliżeniowych IR na wystarczająco niskich poziomach, aby nie zakłócać zachowań, takich jak reakcja unikania cienia20,21. Reakcja fototropizmu w zakładzie reaguje w układzie na światło z niebieskich diod o szczytowej emisji ƛmax = 465 nm, a fotosynteza22,23 w roślinie jest wspierana przez czerwone diody o szczytowej emisji ƛmax = 650 nm. P. vulgaridorastający do kilku metrów wysokości jest odpowiedni w ogólnej konfiguracji, ponieważ około 3 l komercyjnej ziemi ogrodniczej potrzebnej na doniczkę pasuje do skali konfiguracji.
Chociaż obecna konfiguracja skupia się na świetle jako bodźcu przyciągającym, dodatkowe bodźce mogą być istotne dla innych typów eksperymentów. Jeśli pożądany wzór wymaga oddzielenia różnych grup roślin (np. pożądany wzór wymaga dwóch grup roślin, aby wybrać przeciwne strony), może to nie być wykonalne przy użyciu tylko jednego rodzaju bodźca. W przypadku tak złożonych wzorców wzrostu, niezależnych od kształtu rusztowania, różne grupy roślin mogą być potencjalnie uprawiane w różnych okresach czasu, tak aby ich odpowiednie bodźce przyciągające nie przeszkadzały, co pozwoliłoby również na integrację zdarzeń rozgałęziających. Jednak nie zawsze jest to odpowiednie rozwiązanie, a standardowy atrakcyjny bodziec świetlny może być następnie wzmocniony przez odpychające wpływy, takie jak zacienienie, lub przez inne bodźce, takie jak światło dalekiej czerwieni lub silniki wibracyjne 9,14.
Przedstawiona metoda i projekt eksperymentu to tylko pierwszy krok w kierunku wyrafinowanej metodologii automatycznego wpływania na kierunkowy wzrost roślin. Konfiguracja eksperymentu polega na określeniu tylko sekwencji binarnych decyzji w roślinach i skupiamy się na jednym, łatwym do opanowania bodźcu. Potrzebne byłyby dodatkowe badania, aby udowodnić istotność statystyczną metody, dodać więcej bodźców i kontrolować inne procesy, takie jak rozgałęzianie. Przy wystarczającym rozwoju, aby zagwarantować długoterminową niezawodność robotów, przedstawiona metodologia może pozwolić na automatyzację eksperymentów roślinnych w długich okresach czasu, zmniejszając koszty ogólne związane z badaniem etapów rozwoju roślin poza etapami rozwoju pędów. Podobne metody mogą pozwolić na przyszłe badania nad niedostatecznie zbadaną dynamiką między organizmami biologicznymi a autonomicznymi robotami, gdy oba działają jako ściśle sprzężone, samoorganizujące się systemy biohybrydowe.

Zgodnie z rosnącym rozpowszechnieniem automatyzacji w produkcji i produkcji, roboty są wykorzystywane do siewu, obróbki i zbioru roślin1,2,3,4,5. Wykorzystujemy technologię robotów do automatyzacji eksperymentów roślinnych w sposób nieinwazyjny, w celu sterowania wzrostem poprzez kierunkowe reakcje na bodźce. Tradycyjne praktyki ogrodnicze obejmowały ręczne kształtowanie drzew i krzewów poprzez mechaniczne ograniczanie i cięcie. Przedstawiamy metodologię, którą można na przykład zastosować do tego zadania kształtowania, poprzez sterowanie wzorcami wzrostu za pomocą bodźców. Prezentowana przez nas metodologia to także krok w kierunku zautomatyzowanych eksperymentów roślinnych, tutaj ze szczególnym naciskiem na dostarczanie bodźców świetlnych. Gdy technologia stanie się solidna i niezawodna, podejście to może potencjalnie obniżyć koszty eksperymentów w zakładzie i umożliwić nowe zautomatyzowane eksperymenty, które w przeciwnym razie byłyby niewykonalne ze względu na narzut czasu i pracę ręczną. Elementy robota są dowolnie programowalne i działają autonomicznie, ponieważ są wyposażone w czujniki, siłowniki do dostarczania bodźców i mikroprocesory. Chociaż skupiamy się tutaj na wykrywaniu zbliżeniowym (tj. mierzeniu odległości z bliskiej odległości) i bodźcach świetlnych, możliwych jest wiele innych opcji. Na przykład, czujniki mogą być używane do analizy koloru roślin, do monitorowania aktywności biochemicznej6, lub do phytosensingu7 podejść do monitorowania, na przykład, warunków środowiskowych za pomocą elektrofizjologii roślin8. Podobnie, opcje siłowników mogą dostarczać innych rodzajów bodźców9, poprzez silniki wibracyjne, urządzenia natryskowe, grzejniki, wentylatory, urządzenia zacieniające lub manipulatory do bezpośredniego kontaktu fizycznego. Można by zaimplementować dodatkowe strategie aktywacji, aby zapewnić robotom powolną mobilność (np. 'wolne boty'10), tak aby mogły stopniowo zmieniać pozycję i kierunek, z którego dostarczają bodźce. Ponadto, ponieważ roboty są wyposażone w komputery jednopłytkowe, mogą uruchamiać bardziej wyrafinowane procesy, takie jak wizjonowanie fenotypowania roślin11 lub sterowniki sztucznych sieci neuronowych do aktywacji bodźców12. Ponieważ badania naukowe nad roślinami często koncentrują się na wczesnym wzroście (tj. w pędach)13, cała dziedzina wykorzystania autonomicznych systemów robotycznych do wpływania na rośliny przez dłuższy czas wydaje się niedostatecznie zbadana i może oferować wiele przyszłych możliwości. Idąc nawet o krok dalej, elementy robotyczne mogą być postrzegane jako obiekty badań same w sobie, co pozwala na badanie złożonej dynamiki systemów biohybrydowych tworzonych przez ściśle oddziałujące ze sobą roboty i rośliny. Roboty selektywnie narzucają roślinom bodźce, które reagują zgodnie ze swoim zachowaniem adaptacyjnym i zmieniają swój wzorzec wzrostu, który jest następnie wykrywany przez roboty za pomocą ich czujników. Nasze podejście zamyka pętlę behawioralnego sprzężenia zwrotnego między roślinami a robotami i tworzy homeostatyczną pętlę sterowania.
W naszych eksperymentach mających na celu przetestowanie funkcji systemu robota, używamy wyłącznie pnącej fasoli zwyczajnej, Phaseolus vulgaris. W tej konfiguracji używamy roślin pnących, z mechanicznymi podporami w rusztowaniu z siatką o całkowitej wysokości 180 cm, tak aby rośliny były pod wpływem tigmotropizmu i miały ograniczony zestaw kierunków wzrostu do wyboru. Biorąc pod uwagę, że chcemy kształtować całą roślinę w ciągu kilku tygodni, używamy bodźców światła niebieskiego, aby makroskopowo wpływać na fototropizm rośliny, w różnych okresach wzrostu, w tym młodych pędów i późniejszego usztywnienia łodygi. Eksperymenty przeprowadzamy w pełni kontrolowanych warunkach oświetlenia otoczenia, gdzie poza bodźcami światła niebieskiego dostarczamy wyłącznie światło czerwone, ze szczytową emisją o długości fali 650 nm. Kiedy osiągną rozwidlenie w mechanicznej siatce nośnej, podejmują binarną decyzję, czy rosnąć w lewo, czy w prawo. Roboty są ustawione w tych mechanicznych rozwidleniach, w odległości 40 cm. Autonomicznie aktywują i dezaktywują emisję światła niebieskiego, ze szczytową emisją o długości fali 465 nm, zgodnie z predefiniowaną mapą pożądanego wzorca wzrostu (w tym przypadku wzoru zygzakowatego). W ten sposób rośliny są prowadzone od bifurkacji do bifurkacji w określonej kolejności. W danym momencie aktywowany jest tylko jeden robot, podczas którego emituje niebieskie światło, autonomicznie monitorując wzrost roślin na podporze mechanicznej znajdującym się pod nim. Gdy wykryje rosnącą końcówkę za pomocą czujników zbliżeniowych na podczerwień, przestaje emitować niebieskie światło i komunikuje się z sąsiednimi robotami drogą radiową. Robot, który określi się jako następny cel w sekwencji, następnie aktywuje się, przyciągając wzrost roślin w kierunku nowego mechanicznego rozwidlenia.
Ponieważ nasze podejście obejmuje zarówno mechanizmy inżynieryjne, jak i naturalne, nasze eksperymenty obejmują kilka metod, które działają jednocześnie i współzależnie. Protokół w tym miejscu jest najpierw zorganizowany zgodnie z typem metody, z których każda musi być zintegrowana w ujednoliconą konfigurację eksperymentu. Te typy to selekcja gatunków roślin; projektowanie robotów, w tym sprzętu i mechaniki; oprogramowanie robota do komunikacji i sterowania; oraz monitorowanie i utrzymywanie zdrowia roślin. Następnie w protokole następuje przystąpienie do projektowania eksperymentu, po którym następuje zbieranie i rejestrowanie danych. Aby uzyskać szczegółowe informacje na temat uzyskanych do tej pory wyników, zobacz Wahby et al.14. Reprezentatywne wyniki obejmują trzy rodzaje eksperymentów – eksperymenty kontrolne, w których wszystkie roboty nie dostarczają bodźców (tj. są uśpione); eksperymenty z pojedynczą decyzją, w których roślina dokonuje binarnego wyboru między jednym robotem dostarczającym bodźców a drugim, który jest uśpiony; oraz eksperymenty z wieloma decyzjami, w których roślina porusza się po sekwencji wyborów binarnych, aby wyhodować z góry zdefiniowany wzór.

<table><tbody><tr><td>Etui drukowane w 3D</td><td>Shapeways, Inc</td><td>n/a</td><td>Produkt niestandardowy, https://www.shapeways.com/</td></tr> <tr><td>Stawy drukowane w 3D</td><td>nie</td><td>dotyczy</td><td>Wyprodukowany przez autorów</td></tr><tr><td>Adafruit BME280 I2C lub SPI Czujnik ciśnienia temperatury i wilgotności</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>Ogniwa</td> <td>fotoprzewodzące CdSLida Optyczna & Electronic Co., Ltd</td><td>GL5528</td><td></td></tr><tr><td>Cybertronica PCB</td><td>Cybertronica Research</td><td>n/a</td><td>Produkt niestandardowy, http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf</td></tr><tr><td>Bezszczotkowy wentylator dmuchawy DC</td><td>Sunonwealth Electric Machine Industry Co., Ltd.</td><td>UB5U3-700</td><td></td></tr><tr><td>Cyfrowy czujnik temperatury</td><td>Maxim Zintegrowany</td><td>DS18B20</td><td></td></tr><tr><td>dużej mocy (800 mA) EPILED - Dalka czerwień / podczerwień (740-745 nm)</td><td>Future Eden Ltd.</td><td>nie dotyczy</td><td></td></tr><tr><td>I2C Czujnik wilgotności gleby</td><td>Catnip Electronics</td><td>v2.7.5</td><td></td></tr><tr><td>Czujniki zbliżeniowe IR (4-30 cm)</td><td>Latarka</td> LED <td>GP2Y0A41SK0</td><td></td>Sharp Electronics</tr><tr><td>(50 W)</td><td>Inter-Union Technohandel GmbH</td><td>103J50</td><td></td></tr><tr><td>LED Czerwona niebieska lampa wisząca do roślin wewnętrznych (45 W)</td><td>Erligpowht</td><td>B00S2DPYQM</td><td></td></tr><tr><td>Niskonapięciowa pompa głębinowa 600 l/h (6 m wzniosu)</td><td>Peter Barwig Wasserversorgung</td><td>444</td><td></td></tr><tr><td>Płyta pilśniowa średniej gęstości</td><td>n/d</td> n<td>/d</td><td>Do stojaka</td></tr><tr><td>Mikrospektrometr (Hamamatsu) na płytce wyprowadzającej kompatybilnej z 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>Doniczki (3,5 l pojemność, 15,5 cm wysokości)</td><td>n/a</td><td></td><td></td>brak</tr><tr><td>danych Zasilacze (5 V, 10 A)</td><td>Adafruit</td><td>658</td><td></td></tr><tr><td>Raspberry Pi 3 Model B</td><td>Raspberry Pi Foundation</td><td>3B</td><td></td></tr><tr><td>Raspberry Pi Camera Module V2</td><td>Raspberry Pi Foundation</td><td>V2</td><td></td>Raspberry Pi Foundation Zero</tr> Czujnik koloru <tr><td>Raspberry</td><td>Pi Foundation</td><td>Zero</td><td></td></tr><tr><td>RGB z filtrem IR i białą diodą LED - TCS34725</td><td>Adafruit</td><td>1334</td><td></td></tr><tr><td>Ziemia do siewu i zioła</td><td>Gardol</td><td>n/a</td><td></td></tr><tr><td>Fasolka szparagowa</td><td>SPERLI GmbH</td><td>402308</td><td></td></tr><tr><td>Przezroczysty arkusz akrylowy 5 mm</td><td>n/a</td> nie <td>dotyczy</td><td>Do dodatkowego podparcia konstrukcyjnego</td></tr><tr><td>Pręty drewniane (drewno brzozowe), malowane na czarno, średnica 5 mm</td><td>nie</td><td>dotyczy Dla</td><td>roślin do wspinania się</td></tr></tbody></table>

zrobotyzowane wykrywanie i dostarczanie bodźców do sterowanego wzrostu roślin

Robotic Sensing and Stimuli Provision for Guided Plant Growth

Systemy robotów są aktywnie badane pod kątem manipulacji naturalnymi roślinami, zazwyczaj ograniczone do działań związanych z automatyzacją rolnictwa, takich jak żniwa, nawadnianie i mechaniczne zwalczanie chwastów. Rozszerzając te badania, przedstawiamy tutaj nowatorską metodologię manipulowania kierunkowym wzrostem roślin poprzez ich naturalne mechanizmy sygnalizacji i dystrybucji hormonów. Skuteczna metodologia dostarczania bodźców robotycznych może otworzyć możliwości nowych eksperymentów z późniejszymi fazami rozwojowymi roślin lub nowych zastosowań biotechnologicznych, takich jak kształtowanie roślin na zielone ściany. Interakcja z roślinami wiąże się z kilkoma wyzwaniami robotycznymi, w tym wykrywaniem małych i zmiennych organów roślinnych na krótki zasięg oraz kontrolowanym uruchamianiem reakcji roślin, na które oprócz dostarczanych bodźców wpływa środowisko. Aby sterować wzrostem roślin, opracowujemy grupę nieruchomych robotów z czujnikami wykrywającymi bliskość rosnących końcówek oraz z diodami dostarczającymi bodźców świetlnych, które uruchamiają fototropizm. Roboty są testowane z pnącą fasolą zwyczajną, Phaseolus vulgaris, w eksperymentach trwających do pięciu tygodni w kontrolowanym środowisku. Dzięki robotom sekwencyjnym emitującym emisję światła niebieskiego o długości fali 465 nm, wzrost roślin jest z powodzeniem sterowany poprzez kolejne decyzje binarne wzdłuż podpór mechanicznych, aby osiągnąć pozycje docelowe. Wzorce wzrostu są testowane w konfiguracji do 180 cm wysokości, z łodygami roślin dorastającymi do około 250 cm łącznej długości przez okres około siedmiu tygodni. Roboty koordynują swoje działania i działają w pełni autonomicznie. Wykrywają zbliżające się wierzchołki roślin za pomocą czujników zbliżeniowych na podczerwień i komunikują się drogą radiową, aby w razie potrzeby przełączać się między bodźcami światła niebieskiego a stanem uśpienia. Ogólnie rzecz biorąc, uzyskane wyniki potwierdzają skuteczność łączenia metodologii eksperymentów z robotami i roślinami w celu badania potencjalnie złożonych interakcji między naturalnymi i inżynieryjnymi systemami autonomicznymi.

Kontrola: zachowanie rośliny bez bodźców robotycznych. 
Z powodu braku niebieskiego światła (tj. wszystkie roboty są uśpione), w roślinie nie zostaje wywołany dodatni fototropizm. W związku z tym rośliny wykazują bezstronny wzrost w górę, kierując się grawitropizmem. Wykazują one również typową cyrkumnutację (tj. ruchy spiralne), patrz Rysunek 4A. Zgodnie z oczekiwaniami, rośliny nie odnajdują podpory mechanicznej prowadzącej do uśpionych robotów. Rośliny zapadają się, gdy nie są już w stanie utrzymać własnej masy. Eksperymenty przerywamy, gdy zapadną się co najmniej dwie rośliny, patrz Rysunek 4B,C.
Decyzje pojedyncze lub wielokrotne: zachowanie roślin pod wpływem bodźców robotycznych 
W czterech eksperymentach z pojedynczą decyzją, w dwóch próbach zastosowano kierowanie w lewo (tj. aktywowano robota po lewej stronie rozwidlenia jako bodziec), a w dwóch próbach kierowanie w prawo. Roboty pełniące rolę bodźca skutecznie kierują rośliny ku odpowiedniemu podłożu, patrz Rysunek 5. W pierwszej kolejności przytwierdza się najbliższa roślina, której kąt nachylenia łodygi jest najbardziej zbliżony do kąta odpowiedniego podłoża. W każdym eksperymencie co najmniej jedna roślina przytwierdza się do podłoża i pnie się w górę, aż dotrze do robota bodźca, co kończy eksperyment. W jednym eksperymencie do odpowiedniego podłoża przytwierdziła się druga roślina. Pozostałe rośliny mogłyby również się przytwierdzić przy dłuższym czasie trwania eksperymentu. Żadna z roślin nie przytwierdziła się do niewłaściwego podłoża. Każdy eksperyment trwa średnio 13 dni w sposób ciągły.
W dwóch eksperymentach wielokrotnego wyboru rośliny rosną zgodnie z wcześniej określonym wzorem zygzakowym, patrz Rysunek 6A. Każdy eksperyment trwa około siedmiu tygodni. Na początku eksperymentu robot ustawia swój status na stimulus (patrz 3.6.3) i kieruje rośliny w stronę odpowiedniego wspornika zgodnie z ustalonym wzorem. Roślina przyczepia się do niego i pnie w górę, docierając do aktywowanego robota stimulus, co kończy pierwszą decyzję. Zgodnie z punktem 3.7.3, aktualny robot stimulus przechodzi następnie w stan dormant i powiadamia sąsiednie jednostki. Sąsiedni robot dormant, który jest następny w kolejności wzoru zygzakowego, przełącza się w tryb stimulus (patrz 3.7.6). Jeśli roślina zostanie wykryta przez robota dormant, robot ten nie reaguje (patrz 3.7.2). Rośliny kontynuują wzrost i pomyślnie przechodzą pozostałe trzy decyzje. W ten sposób predefined wzór zygzakowy zostaje w pełni zrealizowany, patrz Rysunek 6B.
Wszystkie dane z eksperymentu, jak również filmy, są dostępne online24.
<img alt="Schemat komponentów elektronicznych z fotorezystorem, czujnikiem IR, diodą RGB; opisane części do badań." class="xfigimg" src="/files/ftp_upload/59835/59835fig1.jpg" data-altupdatedat="1788282455000" data-alt="Rycina 1"> 
Rycina 1. Robot nieruchomy i jego główne komponenty. Rycina powtórzona z publikacji autora Wahby et al.14, użyta na podstawie licencji Creative Commons CC-BY 4.0 (patrz pliki uzupełniające), z modyfikacjami dozwolonymi przez licencję. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig1large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Schemat sterowania Raspberry Pi z czujnikami, sterownikami LED, przetwornikiem ADC i konfiguracją GPIO dla automatyzacji." class="xfigimg" src="/files/ftp_upload/59835/59835fig2.jpg" data-altupdatedat="1788282455000" data-alt="Rycina 2"> 
Rycina 2. Schemat blokowy elektroniki robota nieruchomego. Sterowniki LED IRLML2060 są połączone z komputerem jednopłytkowym robota (np. Raspberry Pi) za pomocą PWM w celu sterowania jasnością diod LED. Przełącznik LP5907 jest połączony z komputerem jednopłytkowym poprzez pin wejścia/wyjścia ogólnego przeznaczenia (GPIO), aby sterować wentylatorem. Przetwornik analogowo-cyfrowy (ADC) MCP3008 jest połączony z komputerem jednopłytkowym za pomocą interfejsu peryferyjnego szeregowego (SPI) w celu odczytu analogowych danych z czujników IR oraz fotorezystorów (LDR). <a href="https://www.jove.com/files/ftp_upload/59835/59835fig2large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.</a>
<img alt="Pomiary czujnika IR; A: wykres danych IR w czasie, B: schemat ustawienia czujnika zbliżeniowego IR z wierzchołkiem rośliny." class="xfigimg" src="/files/ftp_upload/59835/59835fig3.jpg" data-altupdatedat="1788282455000" data-alt="Rycina 3"> 
Rycina 3. Krótko po '03.04.16' wierzchołek rośliny wspina się po podporze i trafia w pole widzenia robota. (A) Przykładowe odczyty skalowanego napięcia z czujnika zbliżeniowego IR (oś pionowa) podczas eksperymentu. Wyższe wartości wskazują na wykrycie wierzchołka rośliny. (B) Czujnik zbliżeniowy IR jest rozmieszczony i zorientowany zgodnie z mocowaniem podpory, aby zapewnić skuteczne wykrywanie wierzchołka rośliny. Rycina przedrukowana z publikacji autora Wahby et al.14, użyta na podstawie licencji Creative Commons CC-BY 4.0 (patrz pliki uzupełniające), z modyfikacjami dozwolonymi przez licencję. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig3large.jpg" target="_blank">Proszę kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.</a>
<img alt="Schemat kierunku wzrostu roślin; ustawienie labiryntu Y; eksperyment nad fototropizmem; analiza reakcji na światło." class="xfigimg" src="/files/ftp_upload/59835/59835fig4.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 4"> 
Rysunek 4. Kadry z wynikami eksperymentów kontrolnych wykazujące, że w obecności światła niebieskiego wszystkie cztery rośliny nie przytwierdziły się do żadnego podparcia. (A) Po pięciu dniach wszystkie rośliny rosnące w górę w jednym z eksperymentów kontrolnych (patrz (C) w celu sprawdzenia późniejszego stanu wzrostu). (B) Po 15 dniach trzy rośliny opadły, a jedna nadal rośnie w górę w pierwszym eksperymencie kontrolnym. (C) Po siedmiu dniach dwie rośliny opadły, a dwie nadal rosną w górę w drugim eksperymencie kontrolnym (patrz (A) w celu sprawdzenia poprzedniego stanu wzrostu). Rysunek przedrukowany z publikacji autora Wahby et al.14, wykorzystany na podstawie licencji Creative Commons CC-BY 4.0 (patrz pliki uzupełniające), z modyfikacjami dozwolonymi przez licencję. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig4large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>
<img alt="Wzrost roślin w różnych konfiguracjach oświetlenia LED; eksperyment botaniczny, analiza odpowiedzi fotosyntetycznej." class="xfigimg" src="/files/ftp_upload/59835/59835fig5.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 5"> 
Rysunek 5. Klatki z wynikami eksperymentów pojedynczej decyzji pokazujące zdolność robota stymulującego do kierowania roślinami poprzez binarną decyzję, aby wspiąły się po właściwe podparcie. We wszystkich czterech eksperymentach jeden robot został ustawiony jako stymulujący, a drugi jako uśpiony – po dwóch przeciwległych stronach rozgałęzienia. Klatki pokazują położenie roślin bezpośrednio przed ich wykryciem przez robota stymulującego. W każdym eksperymencie co najmniej jedna roślina przyczepia się do właściwego podparcia, a żadna nie przyczepia się do niewłaściwego. Ponadto rośliny bez podparcia wykazują wzrost skierowany w stronę robota stymulującego. E, F, G, H to powiększenia odpowiednio A, B, C, D. Rysunek przedrukowany z publikacji autora Wahby et al.14, użyty na podstawie licencji Creative Commons CC-BY 4.0 (patrz pliki uzupełniające), z modyfikacjami dozwolonymi przez licencję. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig5large.jpg" target="_blank">Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.</a>
<img alt="Schemat równowagi statycznej z wzrostem roślin pod lampami LED i analizą ramy konstrukcyjnej." class="xfigimg" src="/files/ftp_upload/59835/59835fig6v2.jpg" data-altupdatedat="1788282455000" data-alt="Rysunek 6"> 
Rysunek 6. Eksperyment z wieloma decyzjami. (A) Docelowy wzór zygzakowy zaznaczono na zielono na mapie. (B) Ostatnia klatka z eksperymentu (po 40 dniach), przedstawiająca sytuację roślin przed wykryciem ich przez ostatniego robota stymulującego na wzorze. Roboty pomyślnie wyhodowały wzór zygzakowy. Rysunek przedrukowany z publikacji autora Wahby et al.14, użyty na podstawie licencji Creative Commons CC-BY 4.0 (patrz pliki uzupełniające), z modyfikacjami dozwolonymi przez licencję. <a href="https://www.jove.com/files/ftp_upload/59835/59835fig6large.jpg" target="_blank">Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.</a>

Rozproszone węzły robotów dostarczają sekwencje bodźców niebieskiego światła, aby sterować trajektoriami wzrostu roślin pnących. Aktywując naturalny fototropizm, roboty prowadzą rośliny przez binarne decyzje lewo-prawo, rozwijając je w predefiniowane wzorce, które w przeciwieństwie do nich nie są możliwe, gdy roboty są uśpione.

Zrobotyzowane wykrywanie i dostarczanie bodźców do sterowanego wzrostu roślin

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

Sterowanie kierunkowym wzrostem roślin za pomocą systemu autonomicznego to nowatorska i oryginalna koncepcja, która nie została wcześniej zgłoszona. Kluczem jest dla nas ustalenie, co jest faktycznie wykonalne. Nasza technika jest pierwszą zautomatyzowaną metodą uprawy roślin w pożądane kształty i formy przy użyciu węzłów robotycznych do wykrywania roślin za pomocą ich czujników i odpowiedniego przełączania bodźców.Metoda ta, jak i zastosowane w niej roboty, mogą być stosowane w przypadku dynamicznie rosnących struktur, w których sprzężenia zwrotne determinują rozwój systemu biohybrydowego. Utrzymanie zdrowia roślin i wykrycie ich obecności w punktach przecięcia jest wyzwaniem. Upewnij się, że zewnętrzne źródła światła nie wywołują reakcji fototropowych w stanie awarii.Demonstracja wizualna jest konieczna, aby pokazać współpracę między roślinami i robotami w dłuższych okresach czasu w celu wyhodowania zdefiniowanych przez użytkownika wzorców wzrostu. Julian Ptezold, doktorant w naszej grupie badawczej, zademonstruje procedurę eksperymentu. Przed rozpoczęciem eksperymentu wybierz gatunek rośliny, o którym wiadomo, że wykazuje silny dodatni fototropizm w kierunku ultrafioletu A i niebieskiego światła w końcówkach uprawy.Wybraliśmy Phaseolus vulgaris lub fasolę zwyczajną, ponieważ rośnie szybko i wykazuje silny kierunkowy wzrost w kierunku światła niebieskiego. Skomponuj każdego robota wokół jednej płytki, bezprzewodowego komputera z obsługą sieci lokalnej i połącz komputer z czujnikami i elementami wykonawczymi za pomocą niestandardowej płytki drukowanej. Dołącz jeden czujnik zbliżeniowy na podczerwień w każdym kierunku, który jest testowany pod kątem zbliżających się roślin, w tym wystarczającą ilość diod elektroluminescencyjnych, aby spełnić wymagania dotyczące niebieskiego światła w każdym kierunku testowanym dla zbliżających się roślin.Dołącz sprzęt, który umożliwia lokalne wskazówki między robotami i dołącz fotorezystor dla każdego kierunku sąsiedniego robota, aby monitorować stan emisji światła. Dołącz sprzęt do rozpraszania ciepła zgodnie z warunkami wybranych niebieskich diod i używanej obudowy robota za pomocą kombinacji aluminiowych radiatorów, otworów wentylacyjnych w obudowie każdego robota i wentylatorów. Po upewnieniu się, że kierunki komponentów robota są równomiernie obsługiwane, ustaw niebieskie diody tak, aby rozprowadzały równoważne natężenie światła do każdego z kierunków, z których rośliny mogą się zbliżać, i ustaw każdą diodę w obudowie robota tak, aby oś środkowa kąta jego soczewki znajdowała się w zakresie 60 stopni od każdej osi obsługiwanego przez niego mechanicznego podparcia.Umieść czujniki zbliżeniowe na podczerwień równoważnie dla ich odpowiednich zbliżających się kierunków wzrostu w odległości jednego centymetra od punktu mocowania między robotem a serwisowanym podporą mechaniczną, ustawiając każdy czujnik tak, aby jego kąt widzenia był równoległy do osi podpory. Następnie przymocuj arkusz przezroczystego akrylu o wymiarach 125 na 180 centymetrów do stojaka o szerokości 125 centymetrów, który jest w stanie utrzymać zestaw w pozycji pionowej. Zintegruj roboty w zestaw modułowych podpór mechanicznych, które podwójnie utrzymują roboty w pozycji i służą jako rusztowania wspinaczkowe dla roślin, aby ograniczyć prawdopodobne średnie trajektorie wzrostu roślin.Na każdym robocie należy umieścić punkty mocowania do zakotwiczenia określonych podpór mechanicznych, w tym jeden punkt mocowania dla każdego kierunku, w którym zakład może zbliżać się do robota lub od niego odchodzić. Ustaw doniczki z odpowiednią ziemią na stojaku przy arkuszu akrylowym i przymocuj dwa roboty do arkusza akrylowego, wkładając końce wcześniej umieszczonych podpór w gniazdach w obudowach robotów. Następnie powtórz wzór, aby przymocować pozostałe roboty i podparcie do ukośnie wypiskanego wzoru, tak aby każdy rząd robotów znajdował się 35 centymetrów powyżej poprzedniego rzędu i aby każdy robot był ustawiony poziomo bezpośrednio nad robotem lub przegubem Y, czyli dwa rzędy poniżej.Podpory mechaniczne powinny być ułożone w regularnie posypany wzór, który jest równomiernie ukośny z kątem nachylenia 45 stopni lub bardziej stromym, z jednolitą długością podpory co najmniej 30 centymetrów na podporę. Preferowana długość ekspozycji powinna wynosić co najmniej 40 centymetrów, aby zapewnić pewien bufor dla statystycznie ekstremalnych przypadków oderwania roślin. W oprogramowaniu robota ustal stan bodźca, podczas którego robot emituje niebieskie światło i stan uśpienia, w którym robot albo nie emituje światła, albo emituje światło czerwone.Umieść zestaw eksperymentalny w kontrolowanych warunkach środowiskowych i utrzymuj fotosyntezę roślin za pomocą lamp do wzrostu diod elektroluminescencyjnych na zewnątrz robotów i skierowanych w stronę układu eksperymentalnego. Po wykiełkowaniu należy zapewnić każdej roślinie własną doniczkę u podstawy zestawu doświadczalnego i regulować temperaturę i poziom wilgotności powietrza odpowiednio do wybranych gatunków za pomocą grzejników, klimatyzatorów, nawilżaczy i osuszaczy w razie potrzeby oraz monitorować te poziomy za pomocą czujnika temperatury i wilgotności. Aby przetestować wzrost roślin w obecności wielu następujących po sobie warunków bodźców, należy dostarczyć robotom globalną mapę wzorca, który ma być uprawiany i w sposób ciągły rejestrować filmy poklatkowe z eksperymentów za pomocą kamer umieszczonych w dwóch lub więcej punktach obserwacyjnych z co najmniej jednym widokiem z kamery obejmującym pełną konfigurację eksperymentalną.Upewnij się, że przechwycone obrazy mają wystarczająco wysoką rozdzielczość, aby odpowiednio uchwycić ruchy końcówek rosnących roślin, które zwykle mają tylko kilka milimetrów szerokości. Następnie obserwuj zdarzenia przyczepiania się roślin i wzorzec wzrostu wzdłuż podpór mechanicznych w odpowiednim okresie wzrostu eksperymentalnego. W warunkach braku niebieskiego światła dodatni fototropizm nie jest wyzwalany, a rośliny wykazują bezstronny wzrost w górę, gdy podążają za grawitropizmem.Rośliny wykazywały również typową obwódkę. Zgodnie z oczekiwaniami w tych warunkach, rośliny nie znajdują mechanicznego wsparcia, co prowadzi do uśpienia robotów i zapadają się, gdy nie są już w stanie utrzymać własnego ciężaru. Eksperyment należy przerwać, gdy zawalą się co najmniej dwie rośliny.W tym reprezentatywnym eksperymencie z pojedynczym decydem roboty stymulujące z powodzeniem skierowały rośliny w kierunku właściwego wsparcia. W tym reprezentatywnym eksperymencie z wieloma decyzjami rośliny wyrosły we wstępnie zdefiniowany wzór zygzakowaty, wykorzystując uśpione i stymulujące roboty do wyczuwania i stymulowania wzrostu roślin, odpowiednio, aż do momentu, gdy wstępnie zdefiniowany wzór zygzaka zostanie w pełni rozwinięty. Badanie tego rodzaju systemu biohybrydowego toruje drogę do nowych technik z zakresu architektury, biologii i inżynierii w celu opracowania żywych struktur adaptacyjnych i wyhodowania komponentów budowlanych.

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

Research

JoVE Journal

Engineering

Inżynieria

Opisujemy metodę wprowadzania, śledzenia i ilościowej analizy ekspresji GFP w komórkach roślinnych. Metoda ta wykorzystuje specjalnie zaprojektowany system robotyczny do półciągłego zbierania obrazów z dużej liczby próbek w czasie. Demonstrujemy również zastosowanie programów ImageJ i ImageReady do analizy serii obrazów.

Robotyka i dynamiczna analiza obrazu w badaniach ekspresji genów w tkankach roślinnych

Niniejszy artykuł przedstawia protokół hodowli siewek Arabidopsis w RootChip, mikrofluidycznej platformie obrazowania, która łączy zautomatyzowaną kontrolę warunków wzrostu z mikroskopijnym monitorowaniem korzeni oraz pomiarem wewnątrzkomórkowych poziomów metabolitów w oparciu o technikę FRET.

Obrazowanie fluorescencyjne w czasie rzeczywistym wzrostu korzeni Arabidopsis z szybką manipulacją środowiskiem korzenia przy użyciu urządzenia RootChip

Źródło: Nathoo, N., et al. Hydroponiczny system kouprawy do jednoczesnej i systematycznej analizy interakcji molekularnych roślina/mikroorganizm oraz sygnalizacji. J. Vis. Exp. (2017).Ten film przedstawia hydroponiczny system wspólnej uprawy do badania interakcji między roślinami a bakteriami w sterylnych warunkach. Sadzonki roślin przenosi się do sterylnego, kwaśnego podłoża wzrostowego, inkubuje i sprawdza pod kątem zanieczyszczenia przed zaszczepieniem Agrobacterium. Aktywowane bakterie...

System wspólnej uprawy do badania reakcji molekularnych gospodarzy roślinnych i bakterii oddziałujących na siebie

Opisany system kouprawy hydroponicznej wspiera nienaruszone rośliny za pomocą metalowych siatek i współhoduje je z bakteriami. Tkanki roślinne, bakterie i wydzielane cząsteczki mogą być następnie oddzielnie zbierane do dalszych analiz, co jednocześnie pozwala na zbadanie odpowiedzi molekularnych zarówno gospodarzy roślinnych, jak i oddziałujących na siebie mikroorganizmów lub mikrobiomów.

Hydroponiczny system wspólnej uprawy do jednoczesnej i systematycznej analizy interakcji molekularnych między roślinami a mikroorganizmami oraz sygnalizacji

Przedstawiono eksperymentalny protokół oceny systemów korzeniowych roślin uprawianych w glebie za pomocą RGB i obrazowania hiperspektralnego. Połączenie szeregów czasowych obrazu RGB z informacjami chemometrycznymi ze skanów hiperspektralnych optymalizuje wgląd w dynamikę korzeni roślin.

RGB i spektralne obrazowanie korzeni do fenotypowania roślin i badań fizjologicznych: konfiguracja eksperymentalna i protokoły obrazowania

Czujnik percepcji gibereliny 1 (GPS1) jest pierwszym biosensorem opartym na transferze energii rezonansu Förstera do pomiaru poziomów komórkowych fitohormonów gibereliny z wysoką rozdzielczością czasoprzestrzenną. Protokół ten przedstawia metodę wizualizacji i ilościowego określania poziomów gibereliny komórkowej przy użyciu genetycznie kodowanego biosensora nlsGPS1 w hipokotylach Arabidopsis i wierzchołkach korzeni.

Wizualizacja poziomów gibereliny komórkowej za pomocą biosensora rezonansowego transferu energii (FRET) nlsGPS1 Förster

Delikatna maszyna do ładowania dotykiem zbudowana jest ze szczotek do włosów ludzkich, ramion robota i kontrolera. Szczotki do włosów są napędzane przez ramiona robotyczne zainstalowane na maszynie i poruszają się okresowo, aby wywierać siłę nacisku na rośliny. Siła dotyku włosów sterowanych maszynowo jest porównywalna z siłą dotyku nakładanego ręcznie.

Oszczędzający pracę i powtarzalny protokół ekranowy sygnalizacji siły dotyku do badania tigmomorfogenezy modelowej rośliny Arabidopsis thaliana

Ta wysokoprzepustowa, telemetryczna, grawimetryczna metoda fenotypowania stosunków wodnych całej rośliny umożliwia bezpośrednie i jednoczesne pomiary w czasie rzeczywistym, a także analizę wielu cech fizjologicznych związanych z plonami, zaangażowanych w dynamiczne interakcje roślina-środowisko.

Telemetryczna, grawimetryczna platforma do fizjologicznego fenotypowania interakcji między roślinami a środowiskiem w czasie rzeczywistym

Używamy prostych narzędzi laboratoryjnych do badania architektury systemu korzeniowego (RSA) Arabidopsis i Medicago. Sadzonki są uprawiane hydroponicznie na siatce i rozprowadzane za pomocą pędzla artystycznego, aby odsłonić RSA. Obrazy są wykonywane za pomocą skanowania lub kamery o wysokiej rozdzielczości, a następnie analizowane za pomocą ImageJ w celu zmapowania cech.

Prosty protokół mapowania cech architektury systemu korzeniowego roślin

Zaprojektowaliśmy protokół fenotypowania oparty na obrazach, aby określić morfologiczne i fizjologiczne reakcje na pojedyncze i skojarzone zabiegi upałów, suszy i podlewania. Podejście to umożliwiło identyfikację wczesnych, późnych i regeneracyjnych reakcji na poziomie całego zakładu, w szczególności części nadziemnych, a także podkreśliło konieczność stosowania wielu czujników obrazowania.

Wysokoprzepustowe fenotypowanie oparte na obrazie w celu określenia morfologicznych i fizjologicznych odpowiedzi na pojedyncze i połączone stresy u ziemniaka

Niniejszy manuskrypt opisuje niedestrukcyjne, wysokoprzepustowe podejście do autonomicznych pomiarów terenowych o wydajności kwantowej fotosystemu II, odbiciu spektralnym oraz architekturze roślin, umożliwiając wielkoskalowe fenotypowanie fotosyntezy korony w próbach polowych agronomicznych i hodowlanych.

Wysokoprzepustowe, terenowe badania wydajności fotosyntetycznej roślin uprawnych z wykorzystaniem autonomicznego robota

Poznaj zrobotyzowaną metodę sterowania wzrostem roślin pnących za pomocą bodźców światłem niebieskim. System wykorzystuje węzły robotyczne do aktywacji fototropizmu Phaseolus vulgaris.

Zrobotyzowane wykrywanie i dostarczanie bodźców do sterowanego wzrostu roślin

Przeglądaj więcej filmów