Summary

机器人传感和刺激为引导植物生长提供

Published: July 01, 2019
doi:

Summary

分布式机器人节点提供蓝光刺激序列,以引导攀爬植物的生长轨迹。通过激活自然光动,机器人引导植物通过二元左-右决定,将它们成长为预定义的模式,相反,当机器人处于休眠状态时,这是不可能的。

Abstract

机器人系统被积极研究用于操作天然植物,通常仅限于农业自动化活动,如收获、灌溉和机械杂草控制。扩展这项研究,我们在这里介绍一种新方法,通过信号和激素分布的自然机制来操纵植物的方向生长。提供机器人刺激的有效方法可以为植物后期发育阶段的新试验或新的生物技术应用(如为绿色墙壁塑造植物)开辟可能性。与植物的相互作用带来了几个机器人挑战,包括小型和可变植物器官的短距离传感,以及除了提供的刺激外,受环境影响的植物反应的受控驱动。为了引导植物生长,我们开发了一组具有传感器的不可移动机器人,用于检测生长尖端的接近度,并配有二极管,以提供光刺激,可激发光动性。机器人在受控环境中进行长达五周的实验中,用攀爬常见的豆,Phaseolus 低俗的测试。随着机器人在波长465 nm-植物生长时连续发射蓝色光峰值,通过机械支架的连续二元决策成功引导,达到目标位置。生长模式在高达180厘米的高度进行测试,在大约7周的期间,植物茎的累积长度达到约250厘米。机器人自行协调,完全自主地工作。他们通过红外接近传感器检测接近植物的提示,并根据需要通过无线电在蓝光刺激和休眠状态之间切换。总体而言,所得结果支持将机器人和植物实验方法相结合的有效性,用于研究自然和工程自主系统之间潜在的复杂相互作用。

Introduction

随着制造和生产自动化的日益普及,机器人正被用于播种、处理和收获植物1,2,3,4,5。我们使用机器人技术以非侵入性方式自动进行植物实验,目的是通过定向响应刺激来引导生长。传统的园艺做法包括通过机械约束和切割手工塑造树木和灌木。例如,我们提出了一种方法,通过引导生长模式和刺激作用,将这种方法应用于这一塑造任务。我们介绍的方法也是向自动化植物实验迈出的一步,这里特别注重提供光刺激。一旦该技术变得可靠可靠,这种方法有可能降低工厂实验的成本,并允许新的自动化实验,否则由于时间开销和人工劳动而变得不可行。机器人元件可自由编程,并自控,因为它们配备了传感器、用于刺激的执行器和微处理器。虽然我们在这里专注于接近感应(即,测量近距离距离)和光刺激,许多其他选项是可行的。例如,传感器可用于分析植物颜色,监测生化活性6,或植物感应7种方法,例如通过植物电生理学8监测环境条件。同样,执行器选项可能通过振动马达、喷涂装置、加热器、风扇、回切装置或定向物理接触的操纵器提供其他类型的刺激9。可以实施额外的驱动策略,为机器人提供缓慢的移动性(即”慢机器人”10),以便它们能够逐渐改变它们提供刺激的位置和方向。此外,由于机器人配备了单板计算机,他们可以运行更复杂的过程,如视觉植物的树型11或人工神经网络控制器的刺激驱动12。由于植物科学研究的重点往往在早期生长(即芽)13,使用自主机器人系统影响植物在较长时期内的整个领域似乎未被开发,并可能提供许多未来的机会。更进一步,机器人元件可以被看作是研究的对象本身,允许研究由机器人和植物密切相互作用形成的生物混合系统的复杂动力学。机器人有选择地对植物施加刺激,植物根据它们的适应行为做出反应,并改变其生长模式,随后机器人通过传感器检测到这些刺激。我们的方法关闭了植物和机器人之间的行为反馈回路,并创建了一个静时控制回路。

在我们的实验中,测试机器人系统的功能,我们只使用攀爬常见的豆,庸。在此设置中,我们使用攀爬植物,在总高度为 180 厘米的网格脚手架上提供机械支撑,使植物受到动物性的影响,并且有一套有限的生长方向可供选择。鉴于我们希望在几周内塑造整个植物,我们使用蓝光刺激从宏观角度影响植物的光动,在不同的生长期,包括幼芽和后来的茎硬化。我们在完全控制的环境光条件下进行实验,除了蓝光刺激外,我们还提供完全红光,峰值发射波长为 650 nm。当他们到达机械支撑网格中的分叉时,他们会做出二元决定是向左增长还是向右生长。机器人被放置在这些机械分叉处,以40厘米的距离隔开。它们根据所需生长模式的预定义图(在本例中为锯齿形模式),自动激活和停用其蓝光发射,峰值发射波长为 465 nm。通过这种方式,植物被引导从分叉到分叉在定义的序列。在给定时间,只有一个机器人被激活,在此期间,它发出蓝光,同时在它下面的机械支架上自动监测植物的生长。一旦它使用红外接近传感器检测到一个不断增长的尖端,它就会停止发射蓝光,并通过无线电与邻近的机器人进行通信。确定自己是序列中下一个目标的机器人随后激活,吸引植物生长,走向新的机械分叉。

由于我们的方法结合了工程机制和自然机制,我们的实验包括几种同时和相互依赖的方法。此处的协议首先根据方法类型进行组织,每个方法都必须集成到一个统一的实验设置中。这些类型是植物物种选择;机器人设计包括硬件和机械;用于通信和控制的机器人软件;以及工厂健康的监测和维护。然后,该协议继续进行实验设计,然后进行数据收集和记录。有关迄今获得的结果的完整详情,请参阅 Wahby 等人14。代表性的结果涵盖三种类型的实验,即所有机器人不提供刺激(即处于休眠状态)的控制实验;单决策实验,植物在一个提供刺激的机器人和处于休眠状态的机器人之间进行二元选择;和多决策实验,其中植物导航一系列二进制选择,以增长预定义的模式。

Protocol

1. 植物品种选择程序 注:此协议侧重于与攀爬相关的植物行为、对光的定向响应,以及特定季节、位置和实验条件下植物的健康和生存。 选择已知在生长提示中显示强正光动力15、16朝 UV-A 和蓝光(340–500 nm)的植物物种。 选择一个物种是一个风向,其中环流17行为是明显的,生长尖端有螺旋轨迹,具有足够大的振幅,以绕风周围的机械支架用于特定的实验条件。所选绕风机表现出的缠绕18行为应容忍实验中的环境和营养条件,并应容忍倾斜角度高达 45° 的机械支撑。 选择在实验条件下可靠、快速生长的物种,平均生长速度不低于每天5厘米,如果可能,最好更快。 选择将显示当前季节和地理位置中所需行为的物种。 确保物种能够承受实验设置中存在的环境参数范围。工厂应容忍无绿灯和可见光谱(400–700 nm)外无光。工厂还应容忍当前温度的任何波动,保持在大约 27°C,以及当前湿度和浇水的任何波动。 2. 机器人条件和设计 使用单板计算机将机器人功能组织到分散的节点中(参见图1和图2),集成到模块化机械支架中。确保每个相同的机器人节点能够控制和执行自己的行为。 对于机器人向植物提供刺激,请以可控的间隔向植物提供蓝光(400–500 nm),其强度将触发其光向响应,从实验各部分所需的方向和方向. 选择红-绿-蓝 (RGB) 发光二极管 (LED) 或隔离的蓝色 LED。在这两种情况下,都包括带有蓝色二极管的蓝色二极管的 LED,最大发射值 = 465 nm。 选择一个 LED,当这些 LED 以分组聚集并在使用机器人的精确条件下设置时,可以在实验设置中测试的每个方向中保持所需的光强度级别。对于测试的每个方向,确保单个机器人 LED 中的蓝色二极管能够共同保持大约 30 流明的光强度级别,而不会过热,当位于已利用的机器人外壳中且任何已利用的散热策略。所选 LED 的视角应约为 120°。注:例如,在机器人使用每个方向三个 LED 时,如果蓝色二极管发出最大光强 = = 15 流明,则它们应该能够保持最大 65% 的功率。 通过 LED 驱动器将 LED 连接到机器人的单板计算机,该驱动器可根据所需的亮度调节电源。启用单独的控制,每个 LED 或 LED 组,为在设置中测试的每个方向提供服务。 对于接近植物生长尖的传感过程(参见图 3B),使用红外接近(红外接近)传感器的经过处理的读数,可靠、自主地检测从测试的每个方向接近的植物是否存在在设置中。 选择红外接近传感器,定期检测所选植物物种的生长尖端,当排列垂直于植物接近方向的中轴时,在畅通无阻的环境中进行测试。确保从 5 厘米的距离开始进行成功检测,如图3A所示,从水平轴上标有”07.04.16″的时间戳开始。 将每个红外接近传感器与机器人的单板计算机接口,并实现加权算术均值方法,将传感器读数处理成确定工厂是否存在在 5 厘米以内。五s给出检测中使用的最终平均重量的20%。 确保所选红外接近传感器不发出可能干扰所选物种的光驱动行为的关键波长。确保传感器发射的波长低于 800 nm 时,距离传感器的红外源的距离不超过 5 mm,通过光谱仪进行测量。 将实验功能分布在一组机器人上,以便每个机器人可以自主管理在其本地进行的部分。根据所测试的植物生长方向,安排机器人提供光刺激和传感能力。 围绕启用无线局域网 (WLAN) 的单板计算机组成每个机器人。通过自定义印刷电路板 (PCB) 将计算机与传感器和执行器连接。使用自己的电池备份为每个机器人单独供电。 根据上述要求,每个方向包括一个红外接近传感器,用于接近工厂。 包括足够的 LED,以提供上述蓝光要求,每个方向都经过测试,以便接近工厂。 如果使用 RGB LED 而不是蓝色 LED,则在不使用蓝色二极管时,可选择启用红色二极管的射电功能,以增强下面描述的红光传递(通过光合作用支持为植物健康)。 如果以特定间隔从机器人发出红光,则使用峰值发射约为 ±最大 ± 625–650 nm 的红色二极管,且没有关键波长与绿色波段(即低于 550 nm)或远红色波段(即高于 700 nm)重叠。 不要让红色二极管产生高于蓝色二极管的热水平。 包括支持机器人之间本地提示的硬件。为相邻机器人的每个方向包括光敏电阻器(即光相关电阻器或 LDR),以监控其光射电状态。或者,通过 WLAN 传达本地邻居的状态。 根据所选蓝色二极管和使用的机器人外壳的条件要求,包括用于散热的硬件。由铝散热器、机器人外壳中的通风口和风扇组合执行。通过单板计算机或补充 PCB 上的数字温度传感器激活风扇。 组织机器人部件,使相关方向得到统一维修。 将蓝色二极管定位为植物可能接近的每个方向分配等效的光强度(即,从连接到机器人下半部分的机械支架,请参阅步骤 2.5)。定位机器人情况下的每个二极管,使其透镜角度的中心轴在机械支撑的每个轴的 60° 范围内,并将其定位为不被机器人外壳阻塞。 将红外接近传感器与各自的接近生长方向(即从连接到机器人下半部分的机械支架)进行等效定位,参见步骤 2.5。将每个红外接近传感器放置在机械手与正在维修的机械支架之间连接点 1 厘米内,并将其定向,使其视角与支撑轴平行。确保其发射器和接收器未被机器人外壳阻塞。 在设置中,针对面向相邻机器人的每个方向(即,从连接到机器人的所有机械支架,以等效方式放置用于本地通信的任何光敏电阻器),参见 2.5。定位每个光敏电阻器,使其视角的中心轴在其服务的支撑轴的 45° 范围内,并且位置不被机器人外壳阻塞。 使用单板计算机组装所有组件(参见图 2中的框图)。确保组装后可以轻松访问计算机进行维护。 使用脉冲宽度调制通过 LED 驱动器将 LED 接口到计算机。在 LED 和外壳或散热器之间使用固定的机械连接,并在 LED 和计算机之间使用机械无约束的连接。 使用通用输入/输出头引脚通过线性稳压器(即开关)将风扇连接到计算机。在有足够的气流的地方固定风扇,同时确保不施加机械应力。 通过模拟到数字转换器,使用串行外设接口接口接口红外接近传感器和光敏电阻器。使用从传感器到外壳的固定机械连接,以及与计算机的机械无约束连接。 使用选择性激光烧结、立体光刻、熔融沉积建模或注塑用耐热塑料制造机器人外壳。 将机器人集成到一组模块化机械支架中,将机器人双管齐下,并充当植物的攀爬脚手架,从而限制植物可能的平均生长轨迹。将机器人设计为支架之间的辅助机械接头,定位它们与植物生长轨迹相交。 最小化机器人的大小,并确保它能够可靠地被所选植物物种的无支撑生长尖端超越。尽可能减小机器人尺寸,提高实验速度。 当生长的尖端逐渐在机器人周围导航时,将机器人体的外壁塑造成尽可能不显眼的植物生长。圆或面的机器人身体,不阻止在缠绕植物物种的环状的螺旋轨迹。排除尖锐的突起和急性凹痕。 为机械支架选择材料和轮廓(即横截面形状),以便所选植物物种可以有效地攀爬它,例如直径约为 8 mm 或更短的圆形轮廓的木棒。确保机械支架的结构足够坚固,足以支持设置中的植物和机器人,并在设置后面加上透明丙烯酸板。 在每个机器人上包括连接点,以锚定指定的机械支架。为植物可能接近或离开机器人的每个方向包括一个。 对于每个连接点,在机器人外壳中包括一个套接字,其尺寸与支撑材料的横截面相匹配。 将插座的深度设置为不少于 1 厘米。保持插座足够浅,使支架不会与机器人内部的组件碰撞。 以定期网格化的图案排列机械支架,均匀对角,倾斜角为 45°或更陡。使支架的长度均匀。支撑的最小暴露长度为 30 厘米,以便在探索不受支持的区域后,为攀爬植物提供足够的空间。首选的外露长度为40厘米或以上,为统计上极端的植物附着情况留出一些缓冲。 将机械元件与机器人组装。以下协议假定公开支撑长度为 40 厘米,并在四行中设置 8 个机器人(参见图 6)。对于其他大小,相应地缩放。 在地板表面上,构建一个 125 厘米宽的支架,能够将设置保持直立。 将 125 厘米 x 180 厘米(8 毫米厚或更多)的透明丙烯酸贴在支架上,使其直立。 将带有适当土壤的锅放在支架上,靠在丙烯酸板上。 将两个机械 y 接头固定在丙烯酸板上,在锅上方 10 厘米。将接头分别放置在支架左边缘的右侧 45 厘米和 165 厘米。 将两个支架固定在左侧 y 型接头上,向左倾斜 45°,向右倾斜 45°,将一个支架固定到右侧 y 型接头上,向左倾斜 45°。 将两个机器人固定在丙烯酸板上,并将先前放置的支架的末端插入机器人箱中的插座中。将机器人放置在 y 接头上方 35 厘米、支架左边缘右侧 10 厘米和 80 厘米的位置。 重复该模式,将剩余的机器人和支撑固定在对角网格图案(参见图6),这样每行机器人比前一行高 35 厘米,并且每个机器人都水平地位于机器人或 y 关节的正上方,即它下面两行。 3. 机器人软件 在机器人的单板计算机上安装操作系统(例如 Raspbian)。 在每个实验中,并行运行每个机器人的软件协议,实现其分布式自主行为(有关伪代码和更多详细信息,请参阅 Wahby 等人14)。 为机器人建立两种可能的状态:一种是刺激状态,在此期间,机器人以上述强度发出蓝光;另一种是休眠状态,在此期间,机器人要么发出不发光,要么发出上述红光。 在刺激状态下,通过单板计算机发送脉冲宽度调制 (PWM) 信号,频率与蓝色LED 驱动器所需的亮度相对应。 在休眠状态下,不触发 LED,或者如果需要,仅向红色LED 驱动器发送 PWM 信号。 在控制实验中,将所有机器人分配休眠状态。 在单决定实验中,将一个机器人指定休眠状态,给一个机器人指定刺激状态。 在多决策实验中,启动初始化过程,如下所示。 向每个机器人提供植物生长模式的完整配置图,供当前实验中测试。 设置机器人在模式中的位置,自动使用定位传感器或手动设置。 将机器人的位置与提供的地图进行比较。如果机器人的位置是地图上的第一个位置,则将机器人设置为刺激;否则,将机器人设置为休眠状态。初始化过程结束。 在多决策实验中,启动指导过程,如下所示。迭代执行。 检查机器人的红外接近传感器读数,查看是否检测到工厂。 如果检测到植物,并且机器人被设置为休眠,则维护。 如果检测到植物,并且机器人设置为刺激,则: 通知相邻的相邻机器人已检测到工厂,并在消息中包括机器人的位置。 将机器人设置为休眠状态。 将机器人的位置与地图进行比较。如果机器人位于地图上的最后一个位置,则通过 WLAN 发送一个信号,表明实验已完成。 检查机器人从邻近的邻近机器人传入的消息,看看其中一个被设置为刺激的机器人是否检测到植物。 如果刺激邻居检测到植物,请将该邻居的位置与机器人的位置进行比较,并将该位置与地图进行比较。 如果机器人位于地图上的后续位置,则将机器人设置为刺激。 一旦收到实验完成的信号,结束转向过程的迭代循环。 4. 工厂健康监测和维护程序 在受控环境条件下定位实验设置,具体来说,在室内,在以下所述条件下没有射天或其他光线,控制空气温度和湿度,并控制土壤浇水。使用连接到微控制器或启用 WLAN 的单板计算机的传感器监视条件。 使用机器人外部的 LED 生长灯维护植物光合作用,并面向实验设置。 使用生长灯向设置提供单色红光,红色二极管的峰值发射速度约为 ±最大± 625–650 nm,在 550–700 nm 范围内没有关键波长,但环境蓝光的入射率较低除外。有助于选定物种的健康。如果包含低环境蓝光的入射率,则限制在单个机器人发出的微小比例。 提供选定物种健康所需的红灯水平,通常总计约 2000 流明或更多。 将生长灯定向到实验设置,使其可均匀地分布在生长区域。 使用 RGB 颜色传感器监控环境光照条件。 发芽后,在实验设置的基础上为每个植物提供自己的锅。为所选物种提供适当的土壤体积和类型。确保土壤和种子在发芽前已经消毒。使用适当的害虫控制方法,防止或管理昆虫,如果存在。 使用加热器、空调、加湿器和除湿器,相应地调节空气温度和湿度水平。使用温度压力湿度传感器监控液位。 使用土壤水分传感器监控土壤。保持所选物种的适量浇水率。使用自动浇水系统执行,通过喷嘴将水输送到土壤,由土壤湿度传感器读数触发,或由传感器读数调节的土壤手动输送。 5. 实验设计 将机器人和机械支架放置在足够大的网格中,以覆盖实验中测试的生长区域和模式,不小于一排和两列机器人。 在机器人底部行下方,放置一排标准对角线机械支架,在整个设置过程中匹配这些支架。当这些支架的下端相交时,用”y 接头”机械地将它们连接在一起。对于设置基地的每个”y-关节”,根据对角网格单元的大小(大约每 10 厘米暴露的机械支撑长度大约一个工厂),根据上述工厂健康维护条件,种植均匀数量的植物。 选择要运行的实验类型,并在相关位置选择机器人的数量和分布。 实验类型 1:控制注:此实验类型测试攀爬植物在没有光刺激的条件下的生长,以触发光动。它可以运行在设置的任何大小和形状。 为所有机器人分配休眠状态(参见步骤 3.4),并持续运行,直到手动评估结果完成。 观察植物是否附着在机械支架上。在成功的实验中,没有一个植物会找到或附着在机械支架上。 实验类型 2:单一决策注:此实验类型测试植物的生长轨迹时,提出了二元期权 – 一个支持导致休眠机器人和一个支持导致刺激机器人。它仅在最小设置(即一行、两列)上运行。 将一个机器人指定休眠状态(参见 3.5),将一个机器人指定刺激状态。连续运行,直到两个机器人中的一个检测到使用红外接近传感器的工厂。 观察机械支撑的植物附件、支撑生长以及刺激机器人的传感器读数。在一次成功的实验中,具有刺激状态的机器人在植物沿着各自的支架生长后,将检测到它。 实验类型 3:多决定注:此实验类型测试植物的生长情况,当出现多个后续刺激条件时,根据预定义的全局图触发一系列决策。它可以在超过最小行数(即两个或更多)的设置的任何大小和形状上运行。 向机器人提供要生长的模式全局地图(参见步骤 3.6-3.7.7)。 观察沿机械支架的植物附件事件和生长模式。 在成功的实验中,全球地图上每个支持上至少会生长一种植物。 此外,在成功的实验中,当其生长尖端位于当前活动决策点时,任何工厂都未选择错误的方向。 如果分支事件将新的增长提示放在地图上的过时位置,则不要在此处考虑无关的增长提示。 6. 记录程序 最初将数据存储在板载生成数据的单板计算机中,存储来自传感器和摄像机的数据。运行响应所需请求(如上次存储的传感器读数)的板载应答服务器。定期通过 WLAN 将数据和日志文件上载到本地网络连接的存储 (NAS) 设备。 使用位于两个或多个有利位置的摄像机连续捕获实验的延时视频,至少一个摄像机视图包含完整的实验设置。确保捕获的图像分辨率足够高,足以充分捕捉植物生长技巧的运动,通常只有几毫米的宽度。 使用单板计算机上的板载摄像机或使用间隔计自动执行的独立数码相机,自动执行图像捕获过程,以确保拍摄之间的时间间隔一致。安装灯作为闪光灯,与摄像机类似自动。确保闪光灯足够明亮,足以与生长灯的红光竞争,而无需对图像进行大幅后处理以进行色彩校正。 找到闪烁,使实验设置可以完全照亮,因此在图像中清晰可见。同步摄像机和闪光灯,以便所有摄像机在 2 s的闪光期间同时捕获图像。在每个实验期间,每 2 分钟捕获一次图像。 记录环境传感器数据,特别是温度压力湿度传感器、RGB 颜色传感器和土壤湿度传感器的读数。记录设置中所有机器人的数据,特别是红外接近传感器和光敏电阻读数,以及定义其 LED 消除状态的机器人的内部状态。 通过定期实时报告,提供所有记录的数据,以便对实验进行远程监控,以确保在长达数月的完整实验期间保持正确的状态。

Representative Results

控制:植物行为,没有机器人刺激。由于缺乏蓝光(即,所有的机器人都处于休眠状态),积极的光动在植物中不会触发。因此,植物在遵循重力主义时,会表现出无偏的向上生长。它们还显示典型的环圈(即绕组),参见图 4A。不出所料,这些植物找不到通向休眠机器人的机械支撑。当植物不再能支撑自己的体重时,它们就会崩溃。当至少两个工厂倒塌时,我们停止实验,参见图4B,C。 单个或多个决策:具有机器人刺激的植物行为在四个单决定实验中,两次运行具有向左转向(即,分叉的机器人左侧被激活以刺激),两个运行有右转向。刺激机器人成功地引导植物走向正确的支撑,参见图5。最近的植物与茎角最相似,正确的支撑首先附加。在每个实验中,至少有一个植物附着在支架上,然后爬上它,直到它到达刺激机器人,从而结束实验。在一个实验中,第二个工厂附着在正确的支架上。其余的植物可能附加以及更长的实验持续时间。没有一种植物附着在不正确的支持上。每个实验平均连续运行 13 天。 在两个多决定实验中,植物成长为预定义的锯齿形模式,参见图6A。每个实验持续大约七周。实验开始时,机器人将其状态设定为刺激(参见3.6.3),并根据规定的模式引导植物走向正确的支撑。植物附着并爬上它,到达激活的刺激机器人,从而完成第一个决定。根据3.7.3,目前的刺激机器人然后变得休眠,并通知其邻近的邻居。在 Zigzag 模式的下一个休眠邻居切换到刺激(参见3.7.6)。如果休眠机器人检测到植物,该机器人不会做出反应(参见 3.7.2)。工厂继续并成功完成其余三个决策。因此,预定义的锯齿形模式已完全增长,参见图 6B。 所有实验数据,以及视频,都可以在线24。 图 1.不动机器人及其主要部件。图重印从作者出版物Wahby等人14,与知识共享许可证CC-BY 4.0(见补充文件),在许可证允许的修改。请点击此处查看此图的较大版本。 图 2.不动机器人电子设备的元件图。IRLML2060 LED 驱动器通过 PWM 与机器人的单板计算机(例如树莓派)接口,以控制 LED 的亮度。LP5907 交换机通过通用输入/输出 (GPIO) 头引脚与单板计算机连接,以控制风扇。MCP3008 模拟数字转换器 (ADC) 通过串行外设接口 (SPI) 与单板计算机接口,以读取模拟红外和光相关电阻 (LDR) 传感器数据。请点击此处查看此图的较大版本。 图 3.”03.04.16″后不久,一个植物尖爬上支架,到达机器人的视野。(A) 在实验期间,红外接近传感器的缩放电压读数(垂直轴)样本。值越高,表示工厂尖端检测。(B) 红外接近传感器根据支撑附件进行放置和定向,以确保有效的工厂尖端检测。图重印从作者出版物Wahby等人14,与知识共享许可证CC-BY 4.0(见补充文件),在许可证允许的修改。请点击此处查看此图的较大版本。 图 4.控制实验结果表明,在没有蓝光的情况下,这四种植物都没有附着在支架上。(A) 五天后,所有植物在一个控制实验中向上生长(见C ),了解以后的生长条件)。(B) 15天后,三座工厂倒塌,一台在第一次控制实验中仍在向上生长。(C) 七天后,两个工厂倒塌,两个在第二个对照实验中仍在向上生长(见(A)关于以前的生长条件。图重印从作者出版物Wahby等人14,与知识共享许可证CC-BY 4.0(见补充文件),在许可证允许的修改。请点击此处查看此图的较大版本。 图 5.单一决策实验结果帧显示刺激机器人通过二元决策引导植物的能力,以爬上正确的支撑。在所有四个实验中,一个机器人被设置为刺激,另一个机器人处于休眠状态——在交汇点的两个相反的两侧。框架显示植物的位置,在刺激机器人检测到它们之前。在每个实验中,至少有一个工厂连接到正确的支架,并且没有工厂连接到不正确的支架上。此外,不受支持的植物显示生长偏向刺激机器人。E、 F、G、 H分别是A、B、C 、D 的特写镜头。 图重印从作者出版物Wahby等人14,与知识共享许可证CC-BY 4.0(见补充文件),在许可证允许的修改。请点击此处查看此图的较大版本。 图 6.多决策实验。(A) 目标字形图案在地图上以绿色突出显示.(B) 实验的最后一帧(40天后),显示植物的情况,最后一个刺激机器人在模式上检测到它们。机器人成功地生长了锯齿形图案。图重印从作者出版物Wahby等人14,与知识共享许可证CC-BY 4.0(见补充文件),在许可证允许的修改。请点击此处查看此图的较大版本。

Discussion

所展示的方法显示了实现植物生长的刺激驱动转向自动化的初步步骤,以产生特定的模式。这需要持续维护植物健康,同时将生物化学生长反应的不同领域与工程机电功能(感知、通信和受控刺激生成)相结合。由于我们在这里的重点是攀爬植物,机械支持也是不可或缺的。当前设置的一个限制是其规模,但我们相信我们的方法很容易扩展。机械基架可以扩展为更大的设置,因此更长的增长周期,这也允许扩展的配置和模式。在这里,设置仅限于两个维度和二进制左-右决策,因为增长仅限于 45° 倾角的机械支撑网格,并且工厂决策位置仅限于该网格的分叉。机械扩展可以包括3D脚手架和不同的材料,以允许复杂的形状9,19。该方法可被视为自动增长用户定义的模式的系统。通过扩展机械配置的可能复杂性,用户应该对其所需的模式进行一些限制。对于此类应用程序,用户软件工具应确认该模式是可生产的,然后机电一体化人员应通过生成适当的刺激来引导工厂来自行组织模式的生产。该软件还应扩展,以包括恢复计划和策略,以确定如何继续增长,如果原始计划模式已部分失败-例如,如果第一个激活的机器人从未检测到植物,但休眠的有看到生长技巧的位置超出了激活的机器人。

在所提出的方法学中,符合协议选择标准的植物品种示例是攀爬普通豆、P.p.vulgari。这是代表结果中使用的物种。由于P.vulgari对UV-A和蓝光有很强的正光,植物中的光动蛋白(光受体蛋白)会吸收波长为340-500nm的光子。当受体被触发时,首先肿胀将在茎上发生,通过优先将水移至与触发受体相反的茎组织,导致可逆的方向反应。然后,在茎内,辅助素(植物模式激素)被定向到相同的组织位置,使方向反应永久化,并在茎组织变硬时固定它们。此行为可用于在这些受控室内条件下塑造植物,因为植物只暴露在孤立的蓝光和孤立的红光下,在足够低的水平上,红外接近传感器的射向远红灯不会干扰行为,如遮荫避免反应20,21。植物中的光动反应在设置中响应蓝色二极管的光,峰值发射值 =max = 465 nm,工厂中的光合作用22、23由具有峰值发射值 = max = 650 nm 的红色二极管支撑。P. vulgari的成长到几米的高度是适合在整体设置, 因为大约 3 L 的商业园艺土壤需要每个锅适合设置规模.

尽管当前设置侧重于光作为吸引力刺激,但额外的刺激可能与其他实验类型相关。如果所需的模式需要分离不同的植物组(例如,所需的模式需要两组植物来选择相反的边),那么仅使用一种类型的刺激可能并不可行。对于独立于脚手架形状的复杂生长模式,不同的植物组可能在不同的时期生长,因此它们各自的吸引力刺激不会干扰,这也将允许分支的整合事件。然而,这可能并不总是一个合适的解决方案,和标准有吸引力的光刺激,然后可以通过击退影响,如成文,或其他刺激,如远红灯或振动马达9,14。

所提出的方法和实验设计只是朝着自动影响植物定向生长的复杂方法迈出的第一步。实验设置是基本的,只需确定植物中的一系列二元决策,我们专注于一个易于管理的刺激。还需要进行更多的研究,以证明该方法的统计意义,增加更多的刺激,并控制其他过程,如分支。通过充分开发以保证机器人的长期可靠性,所提出的方法可以长期实现工厂实验的自动化,从而减少与工厂开发阶段研究相关的开销超越拍摄。类似的方法可以允许将来研究生物体和自主机器人之间未充分探索的动态,当两者作为紧密耦合的自组织生物混合系统时。

Declarações

The authors have nothing to disclose.

Acknowledgements

这项研究得到了植物机器人项目的支持,该项目根据FET赠款协议,第640959号,从欧洲联盟的Horizon 2020研究和创新方案获得资金。作者感谢阿纳斯塔西奥斯·格索普洛斯和埃瓦尔德·诺伊费尔德在硬件装配方面的贡献,并感谢坦贾·卡塔琳娜·凯泽在监测工厂实验方面的贡献。

Materials

3D printed case Shapeways, Inc n/a Customized product, https://www.shapeways.com/
3D printed joints n/a n/a Produced by authors
Adafruit BME280 I2C or SPI Temperature Humidity Pressure Sensor Adafruit 2652
Arduino Uno Rev 3 Arduino A000066
CdS photoconductive cells Lida Optical & Electronic Co., Ltd GL5528
Cybertronica PCB Cybertronica Research n/a Customized product, http://www.cybertronica.de.com/download/D2_node_module_v01_appNote16.pdf
DC Brushless Blower Fan Sunonwealth Electric Machine Industry Co., Ltd. UB5U3-700
Digital temperature sensor Maxim Integrated DS18B20
High Power (800 mA) EPILED – Far Red / Infra Red (740-745 nm) Future Eden Ltd. n/a
I2C Soil Moisture Sensor Catnip Electronics v2.7.5
IR-proximity sensors (4-30 cm) Sharp Electronics GP2Y0A41SK0
LED flashlight (50 W) Inter-Union Technohandel GmbH 103J50
LED Red Blue Hanging Light for Indoor Plant (45 W) Erligpowht B00S2DPYQM
Low-voltage submersible pump 600 l/h (6 m rise) Peter Barwig Wasserversorgung 444
Medium density fibreboard n/a n/a For stand
Micro-Spectrometer (Hamamatsu) on an Arduino-compatible breakout board Pure Engineering LLC C12666MA
Pixie – 3W Chainable Smart LED Pixel Adafruit 2741
Pots (3.5 l holding capacity, 15.5 cm in height) n/a n/a
Power supplies (5 V, 10 A) Adafruit 658
Raspberry Pi 3 Model B Raspberry Pi Foundation 3B
Raspberry Pi Camera Module V2 Raspberry Pi Foundation V2
Raspberry Pi Zero Raspberry Pi Foundation Zero
RGB Color Sensor with IR filter and White LED – TCS34725 Adafruit 1334
Sowing and herb soil Gardol n/a
String bean SPERLI GmbH 402308
Transparent acrylic 5 mm sheet n/a n/a For supplemental structural support
Wooden rods (birch wood), painted black, 5 mm diameter n/a n/a For plants to climb

Referências

  1. Åstrand, B., Baerveldt, A. J. An agricultural mobile robot with vision-based perception for mechanical weed control. Autonomous Robots. 13 (1), 21-35 (2002).
  2. Blackmore, B. S. A systems view of agricultural robots. Proceedings of 6th European conference on precision agriculture (ECPA). , 23-31 (2007).
  3. Edan, Y., Han, S., Kondo, N. Automation in agriculture. Springer handbook of automation. , 1095-1128 (2009).
  4. Van Henten, E. J., et al. An autonomous robot for harvesting cucumbers in greenhouses. Autonomous Robots. 13 (3), 241-258 (2002).
  5. Al-Beeshi, B., Al-Mesbah, B., Al-Dosari, S., El-Abd, M. iplant: The greenhouse robot. Proceedings of IEEE 28th Canadian Conference on Electrical and Computer Engineering (CCECE). , 1489-1494 (2015).
  6. Giraldo, J. P., et al. Plant nanobionics approach to augment photosynthesis and biochemical sensing. Nature Materials. 13 (4), (2014).
  7. Mazarei, M., Teplova, I., Hajimorad, M. R., Stewart, C. N. Pathogen phytosensing: Plants to report plant pathogens. Sensors. 8 (4), 2628-2641 (2008).
  8. Zimmermann, M. R., Mithöfer, A., Will, T., Felle, H. H., Furch, A. C. Herbivore-triggered electrophysiological reactions: candidates for systemic signals in higher plants and the challenge of their identification. Plant Physiology. , 01736 (2016).
  9. Hamann, H., et al. . Flora robotica–An Architectural System Combining Living Natural Plants and Distributed Robots. , (2017).
  10. Arkin, R. C., Egerstedt, M. Temporal heterogeneity and the value of slowness in robotic systems. Proceedings of IEEE International Conference on Robotics and Biomimetics (ROBIO). , 1000-1005 (2015).
  11. Mahlein, A. K. Plant disease detection by imaging sensors-parallels and specific demands for precision agriculture and plant phenotyping). Plant Disease. 100 (2), 241-251 (2016).
  12. Wahby, M., et al. A robot to shape your natural plant: the machine learning approach to model and control bio-hybrid systems. Proceedings of the Genetic and Evolutionary Computation Conference (GECCO '18). , 165-172 (2018).
  13. Bastien, R., Douady, S., Moulia, B. A unified model of shoot tropism in plants: photo-, gravi-and propio-ception. PLoS Computational Biology. 11 (2), e1004037 (2015).
  14. Wahby, M., et al. Autonomously shaping natural climbing plants: a bio-hybrid approach. Royal Society Open Science. 5 (10), 180296 (2018).
  15. Liscum, E., et al. Phototropism: growing towards an understanding of plant movement. Plant Cell. 26, 38-55 (2014).
  16. Christie, J. M., Murphy, A. S. Shoot phototropism in higher plants: new light through old concepts. American Journal of Botany. 100, 35-46 (2013).
  17. Migliaccio, F., Tassone, P., Fortunati, A. Circumnutation as an autonomous root movement in plants. American Journal of Botany. 100, 4-13 (2013).
  18. Gianoli, E. The behavioural ecology of climbing plants. AoB Plants. 7, (2015).
  19. Vestartas, P., et al. Design Tools and Workflows for Braided Structures. Proceedings of Humanizing Digital Reality. , 671-681 (2018).
  20. Pierik, R., De Wit, M. Shade avoidance: phytochrome signalling and other aboveground neighbour detection cues. Journal of Experimental Botany. 65 (10), 2815-2824 (2014).
  21. Fraser, D. P., Hayes, S., Franklin, K. A. Photoreceptor crosstalk in shade avoidance. Current Opinion in Plant Biology. 33, 1-7 (2016).
  22. Hogewoning, S. W., et al. Photosynthetic Quantum Yield Dynamics: From Photosystems to Leaves. The Plant Cell. 24 (5), 1921-1935 (2012).
  23. McCree, K. J. The action spectrum, absorptance and quantum yield of photosynthesis in crop plants. Agricultural Meteorology. 9, 191-216 (1971).
  24. . Autonomously shaping natural climbing plants: a bio-hybrid approach [Dataset] Available from: https://doi.org/10.5281/zenodo.1172160 (2018)

Play Video

Citar este artigo
Wahby, M., Heinrich, M. K., Hofstadler, D. N., Petzold, J., Kuksin, I., Zahadat, P., Schmickl, T., Ayres, P., Hamann, H. Robotic Sensing and Stimuli Provision for Guided Plant Growth. J. Vis. Exp. (149), e59835, doi:10.3791/59835 (2019).

View Video