Dagens växtodlare försöker öka avkastningen samtidigt som de förbereder grödor för att tåla hårt väder och förändrade klimat. Att lyckas, de måste lokalisera gener för högavkastande, härdiga egenskaper i växtväxternas DNA. En robot utvecklad av University of Illinois för att hitta dessa ökända nålar i höstacken erkändes av priset för bästa systempapper vid Robotics:Science and Systems, den framstående robotkonferensen som hölls förra veckan i Pittsburgh.

"Det finns ett verkligt behov av att påskynda uppfödningen för att möta den globala efterfrågan på mat, " sa chefsutredaren Girish Chowdhary, en biträdande professor i fältrobotik vid Institutionen för jordbruks- och biologisk teknik och Coordinated Science Lab i Illinois. "I Afrika, befolkningen kommer att mer än fördubblas till 2050, men idag är avkastningen bara en fjärdedel av deras potential."

Skördeförädlare kör massiva experiment som jämför tusentals olika sorter, eller sorter, av grödor över hundratals hektar och mäta nyckelegenskaper, som växtens uppkomst eller höjd, för hand. Uppgiften är dyr, tidskrävande, felaktig, och i slutändan otillräcklig – ett team kan bara manuellt mäta en bråkdel av växterna på ett fält.

"Bristen på automatisering för att mäta växtegenskaper är en flaskhals för framsteg, " sa första författaren Erkan Kayacan, nu postdoktor vid Massachusetts Institute of Technology. "Men det är svårt att göra robotsystem som kan räkna växter autonomt:fälten är enorma, data kan vara bullriga (till skillnad från benchmark-datauppsättningar), och roboten måste hålla sig inom de snäva raderna i den utmanande miljön under taket."

Illinois 13 tum bred, 24-pund TerraSentia-robot är transportabel, kompakt och autonom. Den fångar varje växt från topp till botten med hjälp av en uppsättning sensorer (kameror), algoritmer, och djupinlärning. Med hjälp av en överföringsinlärningsmetod, forskarna lärde TerraSentia att räkna majsplantor med bara 300 bilder, som rapporterades vid denna konferens.

"En utmaning är att växter inte är lika fördelade, så att bara anta att en enda planta finns i kameraramen är inte tillräckligt bra, " sa medförfattaren ZhongZhong Zhang, en doktorand vid College of Agricultural Consumer and Environmental Science (ACES). "Vi utvecklade en metod som använder kamerarörelsen för att anpassa sig till olika avstånd mellan plantorna, vilket har lett till ett ganska robust system för att räkna plantor på olika fält, med olika och varierande avstånd, och i olika hastigheter."