Sensor giver landmænd mere præcis læsning af plantesundhed, giver værdifulde afgrødedata

En professor ved Purdue University har bygget en innovativ håndholdt sensor, der giver planteforskere og landmænd en mere præcis måde at måle afgrøders sundhed på, mens de indsamler ajourførte data, som statslige og føderale embedsmænd og andre vil finde værdifulde.

Jian Jin, en adjunkt i Purdues afdeling for landbrugs- og biologisk teknik, håber, at hans hyperspektrale billeddannende enhed vil blive brugt bredt af planteforskere og landmænd nationalt og internationalt. Enheden scanner en plante for fysiologiske egenskaber, såsom fugt, næringsstof og klorofyl niveauer, samt forskellige kemiske sprøjteeffekter og sygdomssymptomer for at afgøre, om den er sund eller stresset.

Jin sagde, at den hyperspektrale billeddannende enhed, han byggede, vil hjælpe landmænd med at opdage ændringer i plantesundhed i marken timer til dage, før de er synlige for det blotte øje. Det vil også give landmændene mulighed for at foretage de nødvendige ændringer for at dyrke mere mad ved at bruge færre ressourcer, ved at reducere gødnings- og vandforbruget.

"Min vision er, at denne sensor vil give husholdningsbønder, der går gennem en mark, mulighed for at bruge en håndholdt enhed og en smartphone til at få den samme information tilgængelig fra meget dyre fænotypingssystemer konstrueret af store virksomheder og store universiteter i de seneste år, " sagde Jin. "Vi har 600 millioner landmænd på verdensplan, og meget få af dem nyder godt af avancerede plantesensorteknologier. Nu, med denne håndholdte enhed, de fleste landmænd kan drage fordel af det."

Denne teknologi stemmer overens med Purdues "Giant Leaps", der fejrer universitetets globale fremskridt inden for sundhed, plads, kunstig intelligens og bæredygtighedshøjdepunkter som en del af Purdues 150-års jubilæum. Det er de fire temaer for den årelange fests Idéfestival, designet til at fremvise Purdue som et intellektuelt center, der løser problemer i den virkelige verden.

Sensoren, som kan scanne en plante på mindre end fem sekunder, kan registrere hundredvis af farvebånd i hver pixel sammenlignet med de tre farvebånd, der registreres af traditionelle kameraer. En version skyder også et udbrud af fluorescerende lys af planten. Begge bruges til at måle plantens stress- og ernæringsniveauer.

"Vi implementerede både hardware- og softwareteknologierne i en håndholdt enhed, der er let og nem at bære, " sagde Jin.

Sensoren integrerede den avancerede billedbehandlingsalgoritme og plantefunktioner forudsigelsesmodeller udviklet af Purdue-forskere. Disse modeller blev udviklet med Purdues database, der indeholder mange års planteforskningsassays i både drivhus og mark. Modellerne bliver også løbende forbedret og opdateret.

"Så vi har altid de mest præcise forudsigelser for landmanden, " sagde Jin.

Der har været en hurtig udvikling af plantefænotyper i det sidste årti, da teknologi i stigende grad bliver brugt til at forbedre effektiviteten baseret på nuværende forhold i stedet for, at landmænd er afhængige af regionale forhold og historiske data til at træffe beslutninger. De fleste gårde kontrollerer manuelt plantesundhed, som mangler præcision og effektivitet.

Jin sagde, at hans sensor er mere præcis end de nuværende enheder, der bruges af planteforskere, der spænder ned på et blad og måler kun en del af plantens helbred.

"På grund af flere tekniske årsager, sensorens forudsigelseskvalitet er meget mere nøjagtig end nogen anden type afgrødebilledsensorer, som folk har på det eksisterende marked, " sagde Jin. "Det bliver også konstant bedre, fordi vi scanner planter hver dag og opgraderer både hardware- og softwareteknologier."

Selvom sensoren er selvstændig, brugerne har også mulighed for at uploade målingerne med geo-lokationer til en webbaseret cloud-korttjeneste udviklet af Carol Song og hendes team hos Purdue's Advanced Computing Group. The system generates plant stress and nutrition heat maps based on the sensor measurements, and provides interactive ag data querying functions at both farm and regional levels. This digital ag map system with sensor data can support many potential applications. For example the data collected will provide valuable information to state and federal officials about steps they can take to help farmers during severe crop stress periods as well as information about what types of crop yields can be expected.

"If we can successfully distribute the sensors around the region, we can generate this digital ag map service to monitor the plant growth all over the region—which areas are under stress and which areas are having a good performance, " han sagde.

Jin's group at ABE is working on automation of this device. He and his graduate students worked last winter with a senior design group from Purdue's School of Mechanical Engineering and successfully implemented a robot to scan the leaves with the sensor automatically in the greenhouse. The robot utilized machine vision to recognize the target leaves and carry the sensor over there for a quick scan operation along the leaf's natural slope. Encouraged by the success in the greenhouse, Jin and his team is moving on for the design of the next robot in the farm field environment.

The robot system may look like a spider transformer:It travels between crop rows, with each leg equipped with a sensor, waving and scanning leaves in the field with a very high speed. Jin expects the prototype to be functioning during the 2019 growing season.

Jin is looking for collaborators who could lead in commercializing the device, especially in marketing and mass manufacturing. He believes making the devices low-cost might be the best approach, with the data being where the value is.

"We hope to get a lot more data so we can have more valuable data services, " he said. "We have great team work at Purdue to make it happen. Besides the engineers from ABE, the sensor's development has been greatly supported by breeders and biologists at Purdue, including professors Mitch Tuinstra, scientific director of the Purdue's Institute for Plant Sciences, and Tony Vyn, the Henry A. Wallace Chair in Crop Sciences. Carol Song and her team of data scientists from Advanced Computing Group provided the GIS map functions. Gerald Shively from Agricultural Economics has been promoting the application of the device as a social scientist."

The Purdue Office of Technology Commercialization has filed three applications for provisional patents for the technology.