联系我们

环境

AI. 控制的作物收获机可能对能源可持续性具有很大的影响

更新

 on

丹麦技术大学的物理学家已经开发了世界上最小的水果收割机,由人工智能(AI)控制,这使得收割机只测量几微米。 

DTU物理学副教授Kaare Hartvig Jensen,旨在减少对生产生物燃料,制药和其他产品的收获,运输和加工作物的需求。提取的物质称为植物代谢物,新方法消除了化学和机械过程的需求。 

该研究发表在 植物生理学

植物代谢物

植物代谢物具有广泛的关键化学品,疟疾药​​物氨化素等人具有治疗性质。其他人喜欢天然橡胶或树木果汁中的生物燃料具有机械性能。 

大多数植物代谢物在单个细胞中分离,并且提取代谢物的方法很重要,因为程序会影响产品纯度和产量。萃取过程涉及使用溶剂研磨,离心和化学处理,这导致污染,导致金融和环境加工成本高。 

“所有物质的产生并储存在植物中的个体细胞内。那’如果你想要纯材料,你必须进去的地方。当你收获整个植物或将水果分开时,你也收获了一大批组织’t含有你的物质’re interested in,”Kaare Hartvig Jensen说。

“所以它有两个视角。如果要提取纯物质,则需要按单元格执行IT单元格。当你能做到这一点时,就像我们一样’ve shown, you don’不得不收获植物。然后你可以把小机器人放在上面,它可以在不损坏工厂的情况下工作,” Kaare continues. 

截至目前,收割机正在与植物和叶子一起使用,但球队将来会看到它在未来更大的规模上工作。如果一切正常,新方法可以创造一个新的生物质来源,并建立一个新的可持续能源生产领域。

未来的潜在应用可能是使用该技术从树木中挖掘能量。

“在加拿大北部和俄罗斯的森林里,有云杉的森林大约740亿树,完全没有触及。那’在地球上的约25%的树木。通过开发这项技术,我们可以挖掘糖的树木,并使生物燃料不会砍下或损坏树木,” explains Kaare.

收割机在水果中寻找细胞,直径为100微米的叶片,并且针的顶部直径约为10微米。

 MagnusValdemar Paludan是一个博士学生,在DTU物理学中创建了图像分析,图像识别和机器人控制系统。

“It’■都使用显微镜相机完成。首先,我手动标记在显微镜图像上的像素,显示机器人将收获的细胞。 Magnus说,该信息可用于训练计算机以在新图像中找到类似的单元格。

  AI和 机器学习

新技术依赖于机器学习和Googlenet预先存在的神经网络。网络能够识别微观结构并执行高级图像分析。  

“我们使用了一种呼叫的技术 转移学习,您使用现有的神经网络’允许在图像中识别不同对象的能力。通过使用手动标记的单元格显示多个新图像,我们成功调整了网络’S参数使其识别富含微观代谢物的细胞,” says Magnus.

“然后,收割机可以使用显微镜摄像头进入并拍摄叶子的照片,通过软件运行它,并识别它需要收获的细胞。接下来,它可以使用微机器自动提取化学品,而植物的其余部分仍然不受干扰,” explains Magnus.

 

Alex McFarland是一个历史学家和记者,涵盖了人工智能最新的发展。