Μοντέλα και πλατφόρμες AI

Ελεγχόμενος από τον Έλεγχο Φυτών Καλλιεργητής με Έλεγχο από Τον Εγκέφαλο Μπορεί να Έχει Μεγάλες Επιπτώσεις για την Ενεργειακή Βιωσιμότητα

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Φυσικοί στο Τεχνικό Πανεπιστήμιο της Δανίας έχουν αναπτύξει τον μικρότερο φυτικό καλλιεργητή ελεγχόμενο από τεχνητή νοημοσύνη (AI), ο οποίος επιτρέπει σε einen καλλιεργητή να μετρά μόνο quelques microns.

Ο Kaare Hartvig Jensen, Αναπληρωτής Καθηγητής στο DTU Physics, έθεσε ως στόχο τη μείωση της ανάγκης για συγκομιδή, μεταφορά και επεξεργασία καλλιεργειών για την παραγωγή βιοκαυσίμων, φαρμάκων και άλλων προϊόντων. Οι ουσίες που εξάγονται ονομάζονται φυτικά μεταβολίτες, και η νέα μέθοδος εξαλείφει την ανάγκη για χημικές και μηχανικές διαδικασίες.

Η έρευνα δημοσιεύθηκε στο Plant Physiology.

Φυτικά Μεταβολίτες

Οι φυτικοί μεταβολίτες έχουν ένα ευρύ φάσμα κρίσιμων χημικών, και εκείνοι όπως το φάρμακο για την ελονοσία artemisinin έχουν θεραπευτικές ιδιότητες. Άλλοι όπως το φυσικό καουτσούκ ή το βιοκαύσιμο από τον χυμό των δένδρων έχουν μηχανικές ιδιότητες.

Οι περισσότεροι φυτικοί μεταβολίτες απομονώνονται σε μεμονωμένα κύτταρα, και η μέθοδος εξαγωγής των μεταβολιτών είναι σημαντική δεδομένου ότι η διαδικασία επηρεάζει την καθαρότητα και την απόδοση του προϊόντος. Η διαδικασία εξαγωγής περιλαμβάνει άλεση, κεντρίφουγα και χημική επεξεργασία με διαλύτες, η οποία οδηγεί σε ρύπανση που οδηγεί σε υψηλούς οικονομικούς και περιβαλλοντικούς κόστους επεξεργασίας.

“Όλες οι ουσίες παράγονται και αποθηκεύονται μέσα σε μεμονωμένα κύτταρα του φυτού. Εκεί είναι που πρέπει να εισέλθεις αν θέλεις το καθαρό υλικό. Όταν συλλέγεις ολόκληρο το φυτό ή ξεχωρίζεις το φρούτο από τα κλαδιά, συλλέγεις επίσης ένα ολόκληρο κομμάτι ιστού που δεν περιέχει την ουσία που σε ενδιαφέρει”, λέει ο Kaare Hartvig Jensen.

“Υπάρχουν δύο προοπτικές σε αυτό. Αν θέλεις να εξάγεις τα καθαρά υλικά, πρέπει να το κάνεις κύτταρο προς κύτταρο. Και όταν μπορείς να το κάνεις, όπως έχουμε δείξει, δεν χρειάζεται να συλλέγεις το φυτό. Τότε μπορείς να βάλεις το μικρό ρομπότ και να δουλέψει χωρίς να βλάψει το φυτό”, συνεχίζει ο Kaare.

Για τώρα, ο καλλιεργητής χρησιμοποιείται με φυτά και φύλλα, αλλά η ομάδα βλέπει ότι θα λειτουργήσει σε μεγαλύτερη κλίμακα στο μέλλον. Αν όλα πάνε σύμφωνα με το σχέδιο, η νέα προσέγγιση μπορεί να δημιουργήσει eine νέα πηγή βιομάζας και να καθιερώσει eine νέα περιοχή βιώσιμης ενεργειακής παραγωγής.

Μια πιθανή εφαρμογή στο μέλλον θα μπορούσε να είναι η χρήση της τεχνολογίας για να εκμεταλλευτεί την ενέργεια από τα δένδρα.

“Στα δάση της βόρειας Καναδά και Ρωσίας, υπάρχουν δάση από έλατα με περίπου 740 δισεκατομμύρια δένδρα που είναι完全 ακατοίκητα. Αυτό είναι περίπου το 25% του tổng αριθμού των δένδρων στον πλανήτη. Αναπτύσσοντας αυτή την τεχνολογία, μπορούμε να εκμεταλλευτούμε τα δένδρα για ζάχαρη και να κάνουμε βιοκαύσιμο χωρίς να κόψουμε ή να βλάψουμε τα δένδρα”, εξηγεί ο Kaare.

Ο καλλιεργητής ψάχνει για κύτταρα σε φρούτα και φύλλα που έχουν διάμετρο 100 microns, και η κορυφή του βελόνα είναι περίπου 10 microns σε διάμετρο.

Ο Magnus Valdemar Paludan είναι φοιτητής διδακτορικού στο DTU Physics που δημιούργησε το σύστημα ανάλυσης εικόνας, αναγνώρισης εικόνας και ελέγχου ρομπότ.

“Όλα γίνονται με μια κάμερα μικροσκοπίου. Αρχικά, έβαλα χειροκίνητα τα pixel στις εικόνες μικροσκοπίου που δείχνουν τα κύτταρα που το ρομπότ θα συλλέξει. Αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για να εκπαιδεύσουν einen υπολογιστή να βρει παρόμοια κύτταρα σε νέες εικόνες”, λέει ο Magnus.

Τεχνητή Νοημοσύνη και Μηχανική Μάθηση

Η νέα τεχνολογία βασίζεται στη μηχανική μάθηση και στο pre-existing νευρωνικό δίκτυο GoogLeNet. Το δίκτυο είναι σε θέση να αναγνωρίζει μικροσκοπικές δομές και να thựcεί προηγμένη ανάλυση εικόνας.

“Χρησιμοποιήσαμε μια τεχνική που ονομάζεται μεταφορά μάθησης, όπου χρησιμοποιούμε την υπάρχουσα ικανότητα του νευρωνικού δικτύου να αναγνωρίζει διαφορετικά αντικείμενα σε μια εικόνα. Εμφανίζοντας στον υπολογιστή einige νέες εικόνες με τα χειροκίνητα σημειωμένα κύτταρα, κατάφερα να προσαρμόσω τις παραμέτρους του δικτύου ώστε να αναγνωρίζει τα μικροσκοπικά κύτταρα που είναι πλούσια σε μεταβολίτες”, λέει ο Magnus.

“Ο καλλιεργητής μπορεί τότε να εισέλθει και να βγάλει μια φωτογραφία του φύλλου με την κάμερα μικροσκοπίου, να την περάσει από το λογισμικό και να αναγνωρίσει τα κύτταρα που πρέπει να συλλέξει. Στη συνέχεια, μπορεί να εξάγει τα χημικά αυτόματα χρησιμοποιώντας ένα microrobot, ενώ το υπόλοιπο του φυτού παραμένει ακατοίκητο”, εξηγεί ο Magnus.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.