Robot mide los ángulos de las hojas para ayudar al mejor desarrollo de plantas de maíz.
Es importante el ángulo de la hoja en la planta, porque una posición más vertical u horizontal, permitirá cosechar más o menos luz solar.
Carolina del Norte, Estados Unidos | Todo El Campo | Investigadores de la Universidad Estatal de Carolina del Norte y la Universidad Estatal de Iowa han demostrado una tecnología automatizada capaz de medir con precisión el ángulo de las hojas en las plantas de maíz en el campo. Esta tecnología hace que la recopilación de datos sobre los ángulos de las hojas sea significativamente más eficiente que las técnicas convencionales, proporcionando a los fitomejoradores datos útiles más rápidamente.
IMPORTANCIA DEL ÁNGULO DE LAS HOJAS. “El ángulo de las hojas de una planta, en relación con su tallo, es importante” porque según sea cómo se posicione “afecta la eficiencia de la planta para realizar la fotosíntesis”, explicó Lirong Xiang, primer autor de un artículo sobre el trabajo y profesor asistente de Ingeniería Biológica y Agrícola en la Universidad Estatal de Carolina del Norte (NC State).
Por ejemplo, en el maíz, las hojas en la parte superior deberían ser relativamente verticales, pero las hojas más abajo en el tallo que sean más horizontales. Eso permite que la planta coseche más luz solar. Los investigadores que se centran en el fitomejoramiento monitorean este tipo de arquitectura vegetal.
“Sin embargo, los métodos convencionales para medir los ángulos de las hojas implican medir las hojas a mano con un transportador, lo que requiere mucho tiempo y mano de obra”, dijo Xiang, que enfatizó: “Queríamos encontrar una manera de automatizar este proceso, y lo hicimos”.
AGLENET. HARDWARE Y SOFTWARE.
Esa nueva tecnología, llamada AngleNet, tiene dos componentes clave: el hardware y el software.
El hardware, en este caso, es un dispositivo robótico que se monta sobre ruedas. El dispositivo se dirige manualmente y es lo suficientemente estrecho como para navegar entre las filas de cultivos que están separadas por 30 pulgadas (unos 75cms), el ancho estándar utilizado por los agricultores. El dispositivo en sí consta de cuatro niveles de cámaras, cada una de las cuales se establece a una altura diferente para capturar un nivel diferente de hojas en las plantas circundantes. Cada nivel incluye dos cámaras, lo que le permite capturar una vista estereoscópica de las hojas y permitir el modelado 3D de las plantas.
A medida que el dispositivo se dirige por una fila de plantas, está programado para capturar múltiples imágenes estereoscópicas, a múltiples alturas, de cada planta que pasa.
Todos esos datos visuales se introducen en un programa de software que luego calcula el ángulo de la hoja para las hojas de cada planta a diferentes alturas.
“Para los fitomejoradores, es importante saber no solo cuál es el ángulo de la hoja, sino qué tan lejos están esas hojas sobre el suelo”, agregó Xiang. “Esto les da la información que necesitan para evaluar la distribución del ángulo de las hojas para cada fila de plantas. Esto, a su vez, puede ayudarlos a identificar líneas genéticas que tienen rasgos deseables o rasgos indeseables”.
Para probar la precisión de AngleNet, los investigadores compararon las mediciones del ángulo de la hoja realizadas por el robot en un campo de maíz con las mediciones del ángulo de la hoja realizadas a mano utilizando técnicas convencionales.
“Encontramos que los ángulos medidos por AngleNet estaban dentro de los 5 grados de los ángulos medidos a mano, lo que está dentro del margen de error aceptado para fines de fitomejoramiento”, dice Xiang.
“Ya estamos trabajando con algunos científicos de cultivos para hacer uso de esta tecnología, y somos optimistas de que más investigadores estarán interesados en adoptarla para informar su trabajo. En última instancia, nuestro objetivo es ayudar a acelerar la investigación de fitomejoramiento que mejorará el rendimiento de los cultivos”.
Fuente: Universidad Estatal de Carolina del Norte.
EL ARTÍCULO ORIGINAL.
El artículo, «Field-based robotic leaf angle detection and characterization of maize plants using stereo vision and deep convolutional neural networks», se publica en acceso abierto en el Journal of Field Robotics.
El autor correspondiente del artículo es Lie Tang, profesor de ingeniería agrícola y de biosistemas en Iowa State. El documento fue coescrito por Jingyao Gai, de Iowa State y la Universidad de Guanxi; Yin Bao, de Iowa State y Auburn University; y Jianming Yu y Patrick Schnable, del estado de Iowa. El trabajo se realizó con el apoyo de la National Science Foundation, bajo el número de subvención 1625364; y del Instituto de Ciencias Vegetales de la Universidad Estatal de Iowa.
Foto y texto en base a reporte de Universidad Estatal de Carolina del Norte con adaptaciones para Todo El Campo. Artículo original en Journal of Field Robotics: Detección y caracterización robótica del ángulo foliar basada en el campo de plantas de maíz mediante visión estéreo y redes neuronales convolucionales profundas – Xiang – Journal of Field Robotics – Wiley Online Library
