Az Illinois Egyetemen fejlesztették ki azt a robotot, ami segíthet ennek a közmondásos „tűnek” a megtalálásában. A terepi kísérletek során több száz hektárnyi szántóföldön a kutatók maguk keresik az ígéretes génekkel rendelkező egyedeket, és kézzel mérik le az olyan árulkodó külső tulajdonságokat, mint a növény magassága. Ez drága, időigényes, pontatlan, és legfőképpen a célnak nem megfelelő gyakorlat – ugyanis kézzel csupán a terület töredékét tudják felmérni.
– A növényi tulajdonságok vizsgálatához szükséges automatizáció hiánya nehezíti a munkát – mondta Erkan Kayacan posztdoktori kutató a Massachusetts Technológiai Kutatóintézettől (Massachusetts Institute of Technology), a kutatás vezetője.
A kutatás során elkészült 33 centiméter széles, kb. 11 kilogrammos TerraSentia robot könnyen szállítható, kompakt és önállóan dolgozik. Minden egyes növényt tetőtől talpig megvizsgál egy sor (kamera) érzékelő, algoritmusok és a gépi tanulás egyik ága, a mély tanulás segítségével (deep learning). Az úgynevezett „transfer learning” módszerével (ez azt jelenti, hogy a gép a megszerzett tudást egy másik területre is képes átvinni) a kutatók megtanították a TerraSentiának a kukorica növények számlálását mindössze 300 kép felhasználásával.
– Az egyik kihívás, hogy a növények nem egyforma távolságra vannak egymástól, tehát hiba azt feltételezni, hogy a kamera látóterébe csak egy növény kerül bele – mondta ZhongZhong Zhang társ-szerző, a Mezőgazdasági Fogyasztói és Környezetvédelmi Tudományi Főiskola végzős diákja (College of Agricultural Consumer and Environmental Science, ACES).
A kutatómunkát az Amerikai Egyesült Államok kormányügynöksége, az Advanced Research Project Agency-Energy (ARPA-E) támogatta a TERRA-MEPP projekt részeként a Carl R. Woese Genomikai Biológia Intézetben. A robot már elérhető az EarthSense start-up cégen keresztül. A cég technológiájának köszönhetően a robotok fejlett növény-analitikai képességekkel rendelkeznek, és nagyfokú önálló munkára képesek.
A TERRA-MEPP egy olyan kutatási program, mely egy olcsó robotot igyekszik kidolgozni, amely képes a keresett tulajdonságú növények külső (fenotipikus) jegyeinek felismerésére, így azonosítva a legjobban teljesítő példányokat. A projektben az Illinoisi Egyetem a Cornell Egyetemmel és a Signetron céggel közösen vesz részt, az ARPA-E kormányügynökség támogatásával.