Robótica autônoma, sensores e computação avançada agora podem ajudar na colheita de dados de plantas

Cientistas do Laboratório Nacional de Oak Ridge do Departamento de Energia demonstraram um sistema robótico autônomo de monitoramento de campo, amostragem e coleta de dados que poderia acelerar a compreensão das interações entre plantas, solo e meio ambiente.

O desafio de aumentar a produtividade da biomassa e o armazenamento de carbono nas plantações de bioenergia requer uma melhor compreensão de como o carbono circula entre os solos, as plantas e a atmosfera. O carbono do solo pode ser difícil de medir com precisão. As estimativas actuais colocam a quantidade de carbono retido nos solos em todo o mundo em biliões de toneladas, ou mais de três vezes a quantidade na atmosfera.

Para acelerar a coleta de dados para melhores previsões das respostas das plantas e do carbono do solo, biólogos, ecologistas, engenheiros de robótica e cientistas computacionais do ORNL colaboraram para construir e demonstrar um protótipo de sistema autônomo inédito que pode monitorar a vegetação e o meio ambiente, amostrar solos e transferir dados em tempo real de volta para o laboratório.

A equipe desenvolveu uma plataforma robótica personalizada, chamada Sensors, Machine Vision, Automation and Robotics for Transforming Plants Field Series (SMART Plant F-Series) e a demonstrou com sucesso no campo SMART do ORNL, onde os pesquisadores estão cultivando choupos como candidatos a matéria-prima para fazer biocombustíveis. O sistema foi projetado com recursos de navegação exclusivos, como pontos de referência GPS e um sistema de detecção a laser, para ajudar o robô a navegar pelas plantas sem perturbá-las.

“Estamos melhorando na caracterização dos fenótipos acima do solo – a estrutura e a química das plantas que você vê acima do solo. Temos mais de 250.000 fenótipos diferentes acima do solo coletados somente de choupo por meio de nossos investimentos do DOE em pesquisa de bioenergia”, disse o líder do projeto, Udaya. Kalluri, cientista sênior da Divisão de Biociências do ORNL. “Mas temos apenas alguns fenótipos subterrâneos. Não é fácil caracterizar o que está acontecendo com as interações raiz-micróbio e com as transformações de carbono, água e nutrientes no solo abaixo das plantas.”

Melhorando as conexões do laboratório ao campo com sistemas robóticos

“Um dos nossos objetivos com este projeto é fazer conexões perfeitas entre o laboratório e o campo – para solicitar, por exemplo, amostragem automatizada em uma coordenada específica onde queremos aprender mais e resolver assimetrias entre dados acima e abaixo do solo”, Kalluri adicionado. “Nosso sistema autoguiado é então implantado automaticamente nessas coordenadas para coletar amostras que podem informar os pesquisadores sobre a produtividade das plantas e as características do solo.”

O sistema de amostragem de campo pode funcionar em paralelo com o Laboratório Avançado de Fenotipagem de Plantas, ou APPL, no ORNL – uma estufa robótica que move plantas através de um sistema exclusivo de estações de imagem para medir as propriedades das plantas. A APPL já está fornecendo informações como a confirmação de uma ligação entre um gene vegetal e uma maior biomassa, analisando a ligação entre micróbios e a tolerância ao calor nas plantas e como os fungos do solo que colonizam as raízes podem influenciar o crescimento das plantas. A APPL está adicionando uma estação de imagem subterrânea em 2025 que expandirá ainda mais suas capacidades de imagem e análise de raízes e solos de plantas.

“Ao desenvolver e demonstrar a coleta automatizada de dados SMART baseada em campo e a ação robótica personalizada, estamos complementando o que estamos fazendo com o APPL e nos aproximando de nosso objetivo final de habilitar recursos que melhorem as previsões de desempenho do laboratório para o campo e acelerando o ritmo de pesquisa fundamental e aplicada”, disse Kalluri.

A visão mais ampla da equipe para o projeto é um ecossistema interconectado que utiliza uma frota de robôs e sensores para coletar e transmitir automaticamente dados de locais de observação geograficamente distribuídos, como plantações de bioenergia ou ecossistemas naturais. Os dados informariam modelos em tempo real e poderiam ser enviados para um recurso de computação de ponta, nuvem ou de alto desempenho para informar o gerenciamento inteligente de campo, disse Kalluri.

Kalluri aproveitou suas colaborações anteriores de automação com a Divisão de Ciência de Manufatura da ORNL para desenvolver a solução baseada em robótica para aplicações de campo. Os pesquisadores de manufatura avançada Chris Masuo, Peter Wang e Andrzej Nycz trabalharam juntos para adaptar uma plataforma de robô comercial equipada com um sistema de navegação que utiliza posicionamento cinemático em tempo real, que incorpora princípios de levantamento para corrigir erros comuns de posicionamento global.

Conectando a biociência com a experiência em fabricação

No Centro de Demonstração de Fabricação do DOE, ou MDF, no ORNL, os pesquisadores personalizaram o robô, que poderia ser controlado remotamente, adicionando sensores, software integrado e um sistema eletromecânico com componentes impressos em 3D para coleta de amostras de solo. O projeto marca o desenvolvimento de uma plataforma móvel mais compacta para amostragem de solo, disse Masuo.

Para provar o conceito, os pesquisadores demonstraram a navegação precisa do robô através de pontos de referência GPS transmitidos remotamente. Uma plataforma de detecção a laser chamada detecção e alcance de luz, ou LiDAR, ajuda o robô a desviar de obstáculos. Os engenheiros do ORNL equiparam o robô com uma estrutura externa equipada com brocas, ferramentas em formato de uma grande broca de metal. Os microcontroladores conseguem abaixar as brocas para que sua rotação transforme o solo em um balde. O robô pode coletar até quatro amostras de uma vez antes de retornar independentemente à sua posição inicial, disse Masuo, que desenvolveu o software, bem como algumas adaptações elétricas e de hardware para o robô.

A tecnologia apoia esforços para estudar as interações entre as plantas e o meio ambiente. O uso de robôs para amostragem poderia permitir que cientistas e agricultores coletassem mais dados enquanto se concentrassem na análise, disse Masuo.

O projeto estabelece as bases para futuras pesquisas de campo integrando automação com computação em tempo real para monitoramento SMART ou gerenciamento de ecossistemas. O desenvolvimento de sensores mais novos, mais duráveis, multifuncionais e autoalimentados permitirá ainda mais a coleta contínua de dados acima e abaixo do solo sobre o desempenho e as respostas do sistema, apoiando modelos de processos de maior precisão e modelos de base de inteligência artificial no futuro.

Sensores adicionais poderiam ser adicionados ao robô para expandir as capacidades de monitorização e aprofundar a compreensão da saúde do ecossistema, bem como das condições que melhoram a produtividade e a resiliência. Por exemplo, o LiDAR e as câmeras visuais que fazem parte da unidade poderiam ser usados ​​para verificar a densidade das plantas e o diâmetro do caule para entender melhor o crescimento das plantas, disse Masuo. O LiDAR cria essencialmente um mapa 3D, que pode ser combinado posteriormente com imagens de vídeo para compreender as condições ambientais circundantes. A produtividade das plantas também foi monitorada usando LiDAR montado em poste.

A plataforma robótica, bem como os sensores no sistema de campo SMART, poderiam ser melhorados, por exemplo, para facilitar a investigação sobre indicadores precoces de doenças e respostas ao stress ambiental ou a perturbações como incêndios florestais, bem como a forma como as plantas estão a absorver e armazenar CO atmosférico.₂.

Esta é a terceira colaboração entre Kalluri e engenheiros da Divisão de Ciência de Manufatura do ORNL envolvendo aplicações robóticas. Anteriormente, trabalharam juntos em dois projetos para desenvolver sistemas automatizados de monitorização e amostragem para ambientes de investigação em estufas no ORNL, à medida que o laboratório acelera a transformação de plantas para melhores culturas bioenergéticas para combustíveis, produtos químicos e materiais de base biológica, permitindo uma bioeconomia próspera.

“Através do INTERSECT, aprendo a entender necessidades que não veria porque estão fora da minha área de estudo”, disse Nycz. “Quando pesquisadores de diferentes áreas são expostos a essas necessidades e ao que é possível, é aí que as novas ideias estão sendo formadas.”

“É impressionante como esta equipe transversal trabalhou bem em conjunto para chegar ao ponto de demonstração em menos de um ano”, disse Kalluri. “Reunimos alguns conhecimentos muito interessantes que podem fazer a diferença para melhorar a nossa compreensão dos processos em jogo tanto na produtividade da planta de bioenergia quanto no armazenamento de carbono.”