AI-styret afgrødehøster kan have store konsekvenser for energibæredygtighed

Fysikere på Danmarks Tekniske Universitet har udviklet verdens mindste frugthøster styret af kunstig intelligens (AI), som muliggør en høster, der måler få mikroner.

Kaare Hartvig Jensen, lektor ved DTU Fysik, satte sig for at reducere behovet for høstning, transport og bearbejdning af afgrøder til produktion af biobrændstof, lægemidler og andre produkter. De stoffer, der udvindes, kaldes plantemetabolitter, og den nye metode eliminerer behovet for kemiske og mekaniske processer.

Forskningen er offentliggjort i Plant Physiology.

Plantemetabolitter

Plantemetabolitter har en bred vifte af vigtige kemikalier, og nogle som malariamedicinen artemisinin har terapeutiske egenskaber. Andre som naturlig gummi eller biobrændstof fra træsaf har mekaniske egenskaber.

De fleste plantemetabolitter isoleres i enkeltceller, og metoden til at udvinde metabolitterne er vigtig, da proceduren påvirker produktets renhed og udbytte. Udvindingsprocessen indebærer knusning, centrifugering og kemisk behandling med opløsningsmidler, hvilket resulterer i forurening, der fører til høje finansielle og miljømæssige bearbejdningomkostninger.

“Alle stofferne produceres og lagres inde i enkeltceller i planten. Det er der, du skal gå ind, hvis du vil have det rene materiale. Når du høster hele planten eller skiller frugten fra grenene, høster du også en hel del væv, der ikke indeholder stoffet, du er interesseret i,” siger Kaare Hartvig Jensen.

“Der er to perspektiver på det. Hvis du vil udvinde de rene stoffer, skal du gøre det celle for celle. Og når du kan gøre det, som vi har vist, behøver du ikke at høste planten. Så kan du sætte den lille robot på og den kan arbejde uden at beskadige planten,” fortsætter Kaare.

For tiden bruges høsteren til planter og blade, men holdet ser det fungerer på en større skala i fremtiden. Hvis alt fungerer som planlagt, kan den nye tilgang skabe en ny kilde til biomasse og etablere et nyt område for bæredygtig energiproduktion.

En mulig anvendelse i fremtiden kunne være at bruge teknologien til at udnytte energi fra træer.

“I skovene i det nordlige Canada og Rusland er der fyrreskove med omkring 740 milliarder træer, der er helt uberørt. Det er omkring 25% af det samlede antal træer på jorden. Ved at udvikle denne teknologi kan vi udnytte træer til sukker og producere biobrændstof uden at fælde eller beskadige træerne,” forklarer Kaare.

Høsteren søger efter celler i frugt og blade, der er 100 mikroner i diameter, og toppen af nålen er omkring 10 mikroner i diameter.

Magnus Valdemar Paludan er en ph.d.-studerende ved DTU Fysik, der har skabt systemet til billedanalyse, billedgenkendelse og robotstyring.

“Det er alt sammen gjort med en mikroskopkamera. Til at begynde med markerede jeg manuelt pixels på mikroskopi-billederne, der viser cellerne, som robotterne skal høste. Denne information kan bruges til at træne en computer til at finde lignende celler i nye billeder,” siger Magnus.

Kunstig intelligens og maskinlæring

Den nye teknologi afhænger af maskinlæring og det eksisterende neurale netværk GoogLeNet. Netværket kan genkende mikroskopiske strukturer og udføre avanceret billedanalyse.

“Vi brugte en teknik kaldet overført læring, hvor man bruger det eksisterende neurale netværks evne til at genkende forskellige objekter i et billede. Ved at vise computeren en række nye billeder med de manuelt markerede celler, lykkedes det os at justere netværkets parametre, så det kan genkende de mikroskopiske metabolittrige celler,” siger Magnus.

“Høsteren kan så gå ind og tage et billede af bladet med mikroskopkameraet, køre det gennem softwaren og genkende cellerne, det skal høste. Dernæst kan det udvinde kemikalierne automatisk ved hjælp af en mikrorobot, mens resten af planten forbliver uberørt,” forklarer Magnus.