Robot lär sig känna igen växter genom elektrodberöring av blad – ny innovation från Kina
StockholmForskare i Kina har utvecklat en ny robot som kan identifiera växtarter genom att känna på deras blad med en elektrod. Denna nya metod skiljer sig från traditionella visuella metoder genom att den samlar in information om bladens textur och vatteninnehåll – detaljer som varken det mänskliga ögat eller kameror kan uppfatta.
Roboten var mycket effektiv på att känna igen tio olika typer av växter, med en genomsnittlig noggrannhet på 97,7%. Den kunde till och med identifiera bauhinians blomma perfekt i olika utvecklingsstadier. Denna nivå av precision kan ha stor nytta inom områden som jordbruk och ekosystemforskning, särskilt i uppgifter som precisionsjordbruk och tidig upptäckt av växtsjukdomar.
Viktigaste egenskaperna hos denna robot innefattar:
Denna teknik är lovande eftersom den kan lösa problemen med att identifiera objekt visuellt, vilka kan påverkas av faktorer som belysning och bakgrund. Roboten samlar in detaljerad information genom ett system som bearbetar lager för lager med varje beröring.
Vissa problem behöver åtgärdas. Den nuvarande designen har svårigheter med att identifiera växter med komplexa former, som sådana med nålformade blad eller taggar. Genom att förbättra elektroddesignen kan dessa utmaningar övervinnas, vilket gör det möjligt för roboten att känna igen fler växttyper. Forskare vill utöka växtlistan och hoppas att roboten snart kommer att kunna bearbeta information direkt, möjligen utan externt strömtillförsel.
Den nya roboten kan identifiera växter och leda till bättre metoder för att hantera grödor. Både jordbrukare och forskare kan använda den för att bestämma rätt tidpunkt och mängd för bevattning och gödning samt för att kontrollera skadedjur mer effektivt. Roboten kan också studera och hantera ekosystem genom att ge värdefulla data som förbättrar växthälsa och bidrar till livsmedelssäkerhet. Med teknikens framsteg kan den bli ett viktigt verktyg inom storskaligt jordbruk och miljöhantering, genom att erbjuda realtidsinformation som dagens teknologier saknar.
Studien publiceras här:
http://dx.doi.org/10.1016/j.device.2024.100615och dess officiella citering - inklusive författare och tidskrift - är
Minqi Chen, Zhongqian Song, Shengjie Liu, Zhenbang Liu, Weiyan Li, Huijun Kong, Cong Li, Yu Bao, Wei Zhang, Li Niu. Iontronic tactile sensory system for plant species and growth-stage classification. Device, 2024; 100615 DOI: 10.1016/j.device.2024.100615Dela den här artikeln