Θερμοκηπευτικός Θεριστής Ελεγχόμενος από Τεχνητή Νοημοσύνη Μπορεί να Έχει Μεγάλες Επιπτώσεις για την Ενεργειακή Βιωσιμότητα

Φυσικοί στο Τεχνικό Πανεπιστήμιο της Δανίας έχουν αναπτύξει τον μικρότερο θεριστή φρούτων ελεγχόμενο από τεχνητή νοημοσύνη (AI), ο οποίος επιτρέπει έναν θεριστή που μετρά μόνο quelques μικρόμετρα. 

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

Η έρευνα δημοσιεύθηκε στο Plant Physiology. 

Φυτικές Μεταβολίτες

Οι φυτικές μεταβολίτες έχουν ένα ευρύ φάσμα κρίσιμων χημικών, και αυτοί όπως το φάρμακο κατά της ελονοσίας αρτεμισινίνη έχουν θεραπευτικές ιδιότητες. Άλλοι όπως το φυσικό καουτσούκ ή τα βιοκαύσιμα από το χυμό δέντρων έχουν μηχανικές ιδιότητες. 

Οι περισσότερες φυτικές 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, centrifugation και χημική επεξεργασία με διαλύτες, η οποία οδηγεί σε ρύπανση που προκαλεί υψηλά οικονομικά και περιβαλλοντικά έξοδα. 

“Όλες οι ουσίες παράγονται και αποθηκεύονται μέσα σε μεμονωμένα κύτταρα στο φυτό. Εκεί είναι που πρέπει να πας αν θέλεις το καθαρό υλικό. Όταν θερίζεις το整ο φυτό ή ξεχωρίζεις το φρούτο από τα κλαδιά, θερίζεις επίσης ένα πολύ μεγαλύτερο ιστό που δεν περιέχει την ουσία που σε ενδιαφέρει,” λέει ο Kaare Hartvig Jensen.

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

Για τώρα, ο θεριστής χρησιμοποιείται με φυτά και φύλλα, αλλά η ομάδα βλέπει να δουλεύει σε μεγαλύτερη κλίμακα στο μέλλον. Αν όλα πάνε σύμφωνα με το σχέδιο, η νέα προσέγγιση θα μπορούσε να δημιουργήσει μια νέα πηγή βιομάζας και να καθιερώσει μια 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 δέντρα.

“Στα δάση της βόρειας Καναδά και Ρωσίας, υπάρχουν δάση από έλατα με περίπου 740 δισεκατομμύρια δέντρα που είναι完全 ακατοίκητα. Αυτό είναι περίπου το 25% του συνολικού αριθμού των δέντρων στον πλανήτη. Αναπτύσσοντας αυτή τη τεχνολογία, μπορούμε να εκμεταλλευτούμε τα δέντρα για ζάχαρη και να κάνουμε βιοκαύσιμα χωρίς να κόβουμε ή να βλάπτουμε τα δέντρα,” εξηγεί ο Kaare.

Ο θεριστής ψάχνει για κύτταρα σε φρούτα και φύλλα που έχουν διάμετρο 100 μικρόμετρα, και η κορυφή του βελόνα είναι περίπου 10 μικρόμετρα 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, σημείωσα χειροκίνητα pixels στις εικόνες μικροσκοπίου που δείχνουν τα κύτταρα που το ρομπότ θα θερίσει. 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 το pre-existing νευρωνικό δίκτυο GoogLeNet. Το δίκτυο είναι σε θέση να αναγνωρίσει μικροσκοπικές δομές και να εκτελέσει προηγμένη ανάλυση εικόνας. 

“Χρησιμοποιήσαμε μια τεχνική που ονομάζεται μεταφορά μάθησης, όπου χρησιμοποιείς την υπάρχουσα ικανότητα του νευρωνικού δικτύου να αναγνωρίσει διαφορετικά αντικείμενα σε μια εικόνα. Εμφανίζοντας στον υπολογιστή ένα αριθμό νέων εικόνων με τα χειροκίνητα σημειωμένα κύτταρα, κατόρθωσα να προσαρμόσω τις παραμέτρους του δικτύου ώστε να αναγνωρίσει τα μικροσκοπικά κύτταρα πλούσια σε μεταβολίτες,” λέει ο Magnus.

“Ο θεριστής μπορεί τότε να πάει και να βγάλει μια φωτογραφία του φύλλου με την κάμερα μικροσκοπίου, να την τρέξει μέσω του λογισμικού και να αναγνωρίσει τα κύτταρα που πρέπει να θερίσει. Στη συνέχεια, μπορεί να εξάγει τα χημικά αυτόματα χρησιμοποιώντας ένα microrobot, ενώ το υπόλοιπο του φυτού παραμένει ανεπηρέαστο,” εξηγεί ο Magnus.