Un plant de maïs à neuf feuilles en pot est posé sur une assiette de la taille d'un frisbee. Le tandem commence à tourner comme la pièce maîtresse au sommet d'une boîte à musique géante, trois degrés par seconde, et au bout de deux minutes, la plante a pivoté jusqu'à sa position d'origine.

Une autre minute passe, et sur un écran voisin apparaît une image numérique 3D dans la palette du Dr Seuss :magenta et sarcelle et jaune, chaque feuille rendue dans une teinte différente mais presque identique à sa forme réelle, taille et angle.

Ce rendu et ses données associées sont une gracieuseté de LiDAR, une technologie qui déclenche une lumière laser pulsée sur une surface et mesure le temps nécessaire à ces impulsions pour se refléter - plus le délai est important, plus la distance est grande. En scannant une plante tout au long de sa rotation, cette technique LiDAR à 360 degrés peut collecter des millions de coordonnées 3D qu'un algorithme sophistiqué regroupe et moule numériquement dans les composants de la plante :feuilles, tiges, oreilles.

Yufeng Ge de l'Université du Nebraska-Lincoln, Suresh Thapa et leurs collègues ont conçu l'approche comme un moyen de collecter automatiquement et efficacement des données sur le phénotype d'une plante :les traits physiques qui émergent de son code génétique. Les données phénotypiques plus rapides et plus précises peuvent être collectées, plus les chercheurs peuvent facilement comparer les cultures qui ont été sélectionnées ou génétiquement modifiées pour des traits spécifiques, idéalement celles qui aident à produire plus de nourriture.

Accélérer cet effort est particulièrement important, les chercheurs ont dit, pour répondre à la demande alimentaire d'une population mondiale qui devrait passer d'environ 7,5 milliards de personnes aujourd'hui à près de 10 milliards en 2050.

"Nous pouvons déjà faire du séquençage de l'ADN et de la recherche génomique très rapidement, " dit Gé, professeur adjoint d'ingénierie des systèmes biologiques. "Pour utiliser ces informations plus efficacement, vous devez le coupler avec des données de phénotypage. Cela vous permettra de revenir en arrière et d'étudier de plus près les informations génétiques. Mais c'est maintenant (atteint) un goulot d'étranglement, parce que nous ne pouvons pas le faire aussi vite que nous le voulons à faible coût."

A trois minutes par plante, la configuration de l'équipe fonctionne beaucoup plus rapidement que la plupart des autres techniques de phénotypage, dit Gé. Mais la vitesse importe peu sans la précision, l'équipe a donc également utilisé le système pour estimer quatre caractères des plants de maïs et de sorgho. Les deux premiers traits, la surface des feuilles individuelles et de toutes les feuilles d'une plante, aident à déterminer la quantité de photosynthèse productrice d'énergie que la plante peut effectuer. Les deux autres - l'angle auquel les feuilles dépassent d'une tige et la variation de ces angles au sein d'une plante - influencent à la fois la photosynthèse et la densité de plantation d'une culture dans un champ.

La comparaison des estimations du système avec des mesures minutieuses des plants de maïs et de sorgho a révélé des résultats prometteurs :91 pour cent de concordance sur la surface des feuilles individuelles et 95 pour cent sur la surface totale des feuilles. La précision des estimations angulaires était généralement inférieure, mais variait toujours de 72 % à 90 %, selon la variable et le type de plante.

Appareil photo timide

À ce jour, la forme la plus courante de phénotypage 3D repose sur la stéréovision :deux caméras qui capturent simultanément des images d'une plante et fusionnent leurs perspectives en une approximation de la 3D en identifiant les mêmes points à partir des deux images.

Bien que l'imagerie ait révolutionné le phénotypage à bien des égards, il a des défauts. Le plus court, Ge a dit, est une perte inévitable d'informations spatiales lors de la traduction du 3-D au 2-D, surtout lorsqu'une partie d'une plante bloque la vue d'une caméra sur une autre partie.

« Cela a été particulièrement difficile pour des caractères tels que la surface et l'angle des feuilles, parce que l'image ne préserve pas très bien ces traits, " dit Gé.

L'approche LiDAR à 360 degrés résout moins de ces problèmes, les chercheurs ont dit, et nécessite moins de ressources de calcul lors de la construction d'une image 3D à partir de ses données.

"LiDAR est avantageux en termes de débit et de vitesse et en termes de précision et de résolution, " dit Thapa, doctorant en ingénierie des systèmes biologiques. "Et ça devient plus économique (qu'avant)."

Aller de l'avant, l'équipe souhaite introduire des lasers de différentes couleurs dans sa configuration LiDAR. La façon dont une plante reflète ces lasers supplémentaires aidera à indiquer comment elle absorbe l'eau et l'azote - les éléments essentiels de la croissance des plantes - et produit la chlorophylle nécessaire à la photosynthèse.

"Si nous pouvons aborder ces trois (variables) du côté chimique et ces quatre autres (variables) du côté morphologique, puis les combiner, nous aurons sept propriétés que nous pouvons mesurer simultanément, " dit Ge. "Alors je serai vraiment heureux."

Les chercheurs ont rapporté leur nouvelle approche dans le journal Capteurs . Ge et Thapa sont les auteurs de l'étude avec Hongfeng Yu, professeur agrégé d'informatique et d'ingénierie; Feiyu Zhu, doctorant en informatique et ingénierie; et Harkamal Walia, professeur agrégé d'agronomie et d'horticulture.