Bagaimana Pencetakan AI dan 3D Mengubah Cara Kita Menanam Pangan

Para ilmuwan menggunakan pemindaian laser untuk menghasilkan mannequin 3D bagian atas tanaman bit gula dari ladang tanaman, sehingga memberikan langkah maju dalam pengembangan peningkatan jalur pipa tanaman yang dibantu AI.

Demonstrasi tentang bagaimana teknologi baru dapat digunakan dalam pemuliaan tanaman abad ke-21 berasal dari penelitian yang baru diterbitkan yang menggabungkan Pemindaian Laser dan pencetakan 3D untuk membuat mannequin 3D rinci dari tanaman bit gula. Mengambil langkah berikutnya selain memiliki informasi genetik untuk memandu pemuliaan cerdas, mannequin tanaman 3D di sini menangkap karakteristik penting dari bagian atas tanaman bit gula dan dapat digunakan untuk jalur peningkatan tanaman yang dibantu AI. Mannequin tanaman gula bit dapat direproduksi dan cocok untuk digunakan di lapangan. Semua informasi penelitian, knowledge, metodologi, serta file pencetakan 3D tersedia secara free of charge. Pengelolaan tanaman kini mendapatkan alat yang sangat dibutuhkan, dan, tentu saja, setiap orang kini dapat mencetak tanaman bit gula 3D mereka sendiri! (Perawatan minimal diperlukan.)

Meningkatkan Tanaman Dengan Sinar Laser dan Pencetakan 3D

Pemuliaan tanaman trendy adalah usaha yang berpusat pada knowledge, yang melibatkan pembelajaran mesin algoritma dan teknologi pencitraan canggih untuk memilih sifat-sifat yang diinginkan. “Fenotip tanaman” – ilmu yang mengumpulkan informasi dan pengukuran yang tepat pada tanaman – telah mengalami kemajuan besar dalam beberapa tahun terakhir.

Di masa lalu, fenotip bergantung pada pengukuran yang dilakukan manusia secara melelahkan. Saat ini, saluran fenotip menjadi semakin otomatis, menggunakan teknologi sensor canggih, sering kali dibantu oleh kecerdasan buatan. Pengukuran yang dilakukan dapat meliputi ukuran, kualitas buah, bentuk dan ukuran daun, serta parameter pertumbuhan lainnya. Selain keuntungan efisiensi dengan menyerahkan pekerjaan pengukuran ke jaringan pipa otomatis, sensor yang dibantu komputer seringkali dapat menangkap informasi kompleks tentang sebuah pabrik yang akan sangat sulit dikumpulkan oleh manusia dalam skala besar.

Pentingnya Bahan Referensi yang Tepat

Salah satu aspek penting dalam dunia pemuliaan tanaman baru yang digerakkan oleh sensor ini adalah ketersediaan bahan referensi yang tepat.

Sensor perlu menyajikan knowledge tentang “tanaman standar” yang mencakup semua karakteristik yang relevan, termasuk ciri-ciri 3 dimensi yang lebih kompleks seperti sudut orientasi daun. Oleh karena itu, memiliki “tanaman buatan” sebagai referensi ukuran sebenarnya lebih baik daripada hanya memiliki knowledge di komputer, atau representasi 2D datar. Mannequin aktual, misalnya, juga dapat dimasukkan sebagai referensi dan pengendalian inside di dalam rumah kaca atau lahan uji di antara tanaman sebenarnya.

Mannequin Cetak 3D untuk Penelitian

Mannequin cetak 3D baru dari tanaman bit gula dibuat dengan mempertimbangkan aplikasi ini dan memiliki keuntungan tambahan karena file pencetakan tersedia untuk diunduh free of charge dan digunakan kembali. Hal ini memungkinkan ilmuwan lain (dan semua penggemar bit gula) untuk membuat ulang salinan persis dari referensi bit gula, membuat penelitian yang dilakukan oleh laboratorium berbeda di berbagai belahan dunia menjadi lebih sebanding. Keterjangkauan pencetakan 3D juga berarti pendekatan ini dapat diadaptasi di wilayah yang miskin sumber daya, misalnya di negara-negara berkembang.

Pengumpulan Information Dengan LIDAR

Untuk mengumpulkan knowledge yang tepat untuk mannequin realistis mereka, penulis – Jonas Bömer dan rekannya dari Institute of Sugar Beet Analysis (Göttingen) dan Universitas Bonn – menggunakan teknologi LIDAR (Gentle Detection and Ranging).

Singkatnya, tanaman bit gula asli dipindai dengan laser untuk menghasilkan knowledge 3D dari 12 sudut pandang berbeda. Setelah langkah-langkah pemrosesan, knowledge ini kemudian dimasukkan ke dalam printer 3D kelas komersial untuk membuat mannequin bit gula ukuran sebenarnya. Penulis kemudian menguji mannequin tersebut untuk tujuan penggunaannya sebagai referensi, di laboratorium dan di lapangan.

Jonas Bömer menjelaskan: “Dalam bidang fenotip tanaman tiga dimensi, referensi sistem sensor yang digunakan, algoritme komputer, dan parameter morfologi yang ditangkap merupakan tugas yang menantang namun penting secara basic. Penerapan teknologi manufaktur aditif untuk menghasilkan mannequin referensi yang dapat direproduksi menghadirkan peluang baru untuk mengembangkan metodologi standar untuk referensi yang obyektif dan tepat, sehingga memberikan manfaat bagi penelitian ilmiah dan pemuliaan tanaman praktis.”

Penerapan dan Manfaat di Masa Depan

Pendekatannya tidak terbatas pada gula bit saja, dan yang baru Giga Sains Studi ini menunjukkan bagaimana kombinasi kecerdasan buatan, pencetakan 3D, dan teknologi sensor dapat berkontribusi pada pemuliaan tanaman di masa depan — sehingga membantu memberi makan penduduk dunia dengan hasil panen yang sehat dan lezat.

Ilmuwan knowledge GigaScience, Chris Armit menambahkan: “Nilai dari mannequin 3D yang dapat dicetak adalah Anda dapat mencetak banyak salinan, satu salinan per lahan tanaman. Sebagai strategi fenotip berbiaya rendah, yang biaya terbesarnya adalah pemindai LIDAR, akan sangat luar biasa jika pendekatan ini diuji pada tanaman lain seperti padi atau tanaman yatim piatu di Afrika, yang memerlukan solusi fenotip berbiaya rendah.”

Referensi:

Referensi: “Mannequin tanaman cetak 3D untuk fenotip tanaman 3D yang akurat dan andal” oleh Jonas Bömer, Felix Esser, Elias Marks, Radu Alexandru Rosu, Sven Behnke, Lasse Klingbeil, Heiner Kuhlmann, Cyrill Stachniss, Anne-Katrin Mahlein dan Stefan Paulus, 20 Juni 2024, Giga Sains.
DOI: 10.1093/gigascience/giae035

“Information pendukung untuk 'Mannequin tanaman cetak 3D untuk fenotipe tanaman 3D yang akurat dan andal'” oleh Jonas Bömer, Felix Esser, Elias Marks, Radu Alexandru Rosu, Sven Behnke, Lasse Klingbeil, Heiner Kuhlmann, Cyrill Stachniss, Anne-Katrin Mahlein dan Stefan Paulus, 22 Mei 2024, Foundation Information GigaScience.
DOI: 10.5524/102530