Un professeur de l'Université Purdue a construit un capteur portable innovant qui donne aux phytotechniciens et aux agriculteurs un moyen plus précis de mesurer la santé des cultures tout en rassemblant des données de dernière minute que les autorités étatiques et fédérales et d'autres trouveront précieuses.

Jian Jin, professeur adjoint au département de génie agricole et biologique de Purdue, espère que son appareil d'imagerie hyperspectrale sera largement utilisé par les phytotechniciens et les agriculteurs à l'échelle nationale et internationale. L'appareil scanne une plante pour les caractéristiques physiologiques, comme l'humidité, niveaux de nutriments et de chlorophylle, ainsi que différents effets de pulvérisation de produits chimiques et symptômes de maladie pour déterminer s'il est en bonne santé ou en situation de stress.

Jin a déclaré que l'appareil d'imagerie hyperspectrale qu'il a construit aidera les agriculteurs à détecter les changements de la santé des plantes dans le champ des heures voire des jours avant qu'ils ne soient visibles à l'œil nu. Cela permettra également aux agriculteurs d'apporter les changements nécessaires pour produire plus de nourriture en utilisant moins de ressources, par exemple en réduisant l'utilisation d'engrais et d'eau.

"Ma vision est que ce capteur permettra aux agriculteurs domestiques marchant dans un champ d'utiliser un appareil portable et un smartphone pour obtenir les mêmes informations disponibles à partir de systèmes de phénotypage très coûteux construits par les grandes entreprises et les grandes universités ces dernières années, " dit Jin. " Nous avons 600 millions d'agriculteurs dans le monde, et très peu d'entre eux bénéficient de technologies de capteurs haut de gamme. Maintenant, avec cet appareil portable, la plupart des agriculteurs peuvent en bénéficier.

Cette technologie s'aligne sur les « sauts de géant » de Purdue célébrant les progrès mondiaux de l'université réalisés dans le domaine de la santé, espacer, faits saillants de l'intelligence artificielle et du développement durable dans le cadre du 150e anniversaire de Purdue. Tels sont les quatre thèmes du Festival des idées de la célébration de l'année, conçu pour présenter Purdue comme un centre intellectuel résolvant des problèmes du monde réel.

Le capteur, qui peut scanner une plante en moins de cinq secondes, peut détecter des centaines de bandes de couleur dans chaque pixel par rapport aux trois bandes de couleur détectées par les caméras traditionnelles. Une version tire également un éclat de lumière fluorescente sur la plante. Les deux sont utilisés pour mesurer le stress et les niveaux de nutrition de la plante.

« Nous avons mis en œuvre à la fois les technologies matérielles et logicielles dans un appareil portable léger et facile à transporter, " dit Jin.

Le capteur a intégré l'algorithme de traitement d'image avancé et l'usine propose des modèles de prédiction développés par les scientifiques de Purdue. Ces modèles ont été développés avec la base de données de Purdue contenant des années d'essais de recherche sur les plantes en serre et sur le terrain. Les modèles sont également constamment améliorés et mis à jour.

"Nous avons donc toujours les prévisions les plus précises pour l'agriculteur, " dit Jin.

Il y a eu un développement rapide du phénotypage des plantes au cours de la dernière décennie, car la technologie est de plus en plus utilisée pour améliorer l'efficacité en fonction des conditions actuelles au lieu que les agriculteurs se fient aux conditions régionales et aux données historiques pour prendre des décisions. La plupart des fermes vérifient manuellement la santé des plantes, qui manque de précision et d'efficacité.

Jin a déclaré que son capteur est plus précis que les appareils actuels utilisés par les scientifiques des plantes qui serrent une feuille et ne mesurent la santé que d'une partie de la plante.

"Pour de multiples raisons techniques, la qualité de prédiction du capteur est beaucoup plus précise que tout autre type de capteurs d'imagerie de récolte que les gens ont sur le marché existant, ", a déclaré Jin. "Cela s'améliore également constamment parce que nous analysons les usines tous les jours et mettons à niveau les technologies matérielles et logicielles."

Bien que le capteur soit autonome, les utilisateurs ont également la possibilité de télécharger les mesures avec les géolocalisations sur un service de carte en nuage basé sur le Web développé par Carol Song et son équipe du groupe Advanced Computing de Purdue. Le système génère des cartes thermiques du stress et de la nutrition des plantes sur la base des mesures du capteur, et fournit des fonctions interactives d'interrogation de données agricoles au niveau de la ferme et au niveau régional. Ce système de carte agricole numérique avec des données de capteur peut prendre en charge de nombreuses applications potentielles. 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, " il a dit.

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.