Los fitomejoradores de cultivos de hoy están tratando de aumentar los rendimientos al mismo tiempo que preparan los cultivos para resistir el clima severo y los climas cambiantes. Para triunfar, deben localizar genes de alto rendimiento, rasgos resistentes en el ADN de las plantas de cultivo. Un robot desarrollado por la Universidad de Illinois para encontrar estas proverbiales agujas en el pajar fue reconocido por el premio al mejor papel de sistemas en Robotics:Science and Systems, la preeminente conferencia de robótica celebrada la semana pasada en Pittsburgh.

"Existe una necesidad real de acelerar la reproducción para satisfacer la demanda mundial de alimentos, "dijo el investigador principal Girish Chowdhary, profesor asistente de robótica de campo en el Departamento de Ingeniería Agrícola y Biológica y el Laboratorio de Ciencias Coordinado en Illinois. "En África, la población aumentará a más del doble para 2050, pero hoy los rendimientos son solo una cuarta parte de su potencial ".

Los fitomejoradores realizan experimentos masivos comparando miles de cultivares diferentes, o variedades, de cultivos en cientos de acres y medir características clave, como la emergencia o la altura de las plantas, manualmente. La tarea es cara pérdida de tiempo, incorrecto, y finalmente inadecuado:un equipo solo puede medir manualmente una fracción de las plantas en un campo.

"La falta de automatización para medir los rasgos de las plantas es un cuello de botella para el progreso, "dijo el primer autor Erkan Kayacan, ahora investigador postdoctoral en el Instituto de Tecnología de Massachusetts. "Pero es difícil crear sistemas robóticos que puedan contar plantas de forma autónoma:los campos son vastos, los datos pueden ser ruidosos (a diferencia de los conjuntos de datos de referencia), y el robot tiene que permanecer dentro de las filas estrechas en el desafiante entorno bajo el dosel ".

Illinois de 13 pulgadas de ancho, El robot TerraSentia de 24 libras es transportable, compacto y autónomo. Captura cada planta de arriba a abajo utilizando un conjunto de sensores (cámaras), algoritmos y aprendizaje profundo. Usando un método de aprendizaje por transferencia, los investigadores enseñaron a TerraSentia a contar plantas de maíz con solo 300 imágenes, como se informó en esta conferencia.

"Un desafío es que las plantas no están igualmente espaciadas, por lo que asumir que hay una sola planta en el marco de la cámara no es suficiente, "dijo el coautor ZhongZhong Zhang, estudiante de posgrado en la Facultad de Ciencias Ambientales y del Consumidor Agrícola (ACES). "Desarrollamos un método que utiliza el movimiento de la cámara para ajustarse a diferentes espacios entre plantas, lo que ha llevado a un sistema bastante robusto para contar plantas en diferentes campos, con espaciamiento diferente y variable, ya diferentes velocidades ".