Una pianta di mais a nove foglie in vaso si trova su un piatto delle dimensioni di un frisbee. Il tandem inizia a ruotare come il fulcro di un gigantesco carillon, tre gradi al secondo, e dopo due minuti la pianta ha piroettato nella sua posizione originale.

Passa un altro minuto, e su uno schermo vicino appare un'immagine digitale 3D nella tavolozza del Dr. Seuss:magenta e verde acqua e giallo, ogni foglia resa in una tonalità diversa ma quasi identica alla sua vera controparte nella forma, dimensione e angolo.

Quel rendering e i suoi dati associati provengono da LiDAR, una tecnologia che emette luce laser pulsata su una superficie e misura il tempo necessario a quegli impulsi per riflettersi:maggiore è il ritardo, maggiore è la distanza. Scansionando una pianta durante la sua rotazione, questa tecnica LiDAR a 360 gradi può raccogliere milioni di coordinate 3D che un sofisticato algoritmo poi raggruppa e modella digitalmente nei componenti della pianta:foglie, steli, orecchie.

Yufeng Ge dell'Università del Nebraska-Lincoln, Suresh Thapa ei loro colleghi hanno ideato l'approccio come un modo per raccogliere automaticamente ed efficientemente dati sul fenotipo di una pianta:i tratti fisici che emergono dal suo codice genetico. I dati fenotipici più veloci e precisi possono essere raccolti, più facilmente i ricercatori possono confrontare le colture che sono state allevate o geneticamente modificate per caratteristiche specifiche, idealmente quelle che aiutano a produrre più cibo.

Accelerare questo sforzo è particolarmente importante, i ricercatori hanno detto, per soddisfare la domanda alimentare di una popolazione globale che dovrebbe crescere da circa 7,5 miliardi di persone oggi a quasi 10 miliardi nel 2050.

"Possiamo già eseguire il sequenziamento del DNA e la ricerca genomica molto rapidamente, " disse Ge, assistente professore di ingegneria dei sistemi biologici. "Per utilizzare tali informazioni in modo più efficace, devi accoppiarlo con i dati di fenotipizzazione. Ciò ti consentirà di tornare indietro e investigare più da vicino le informazioni genetiche. Ma questo è ora (raggiungendo) un collo di bottiglia, perché non possiamo farlo velocemente come vogliamo a basso costo."

A tre minuti per pianta, la configurazione del team opera sostanzialmente più velocemente della maggior parte delle altre tecniche di fenotipizzazione, Ha detto Ge. Ma la velocità conta poco senza precisione, quindi il team ha utilizzato il sistema anche per stimare quattro caratteristiche delle piante di mais e sorgo. I primi due tratti, la superficie delle singole foglie e di tutte le foglie di una pianta, aiutano a determinare quanta fotosintesi producente energia la pianta può eseguire. Gli altri due - l'angolo con cui le foglie sporgono da uno stelo e quanto questi angoli variano all'interno di una pianta - influenzano sia la fotosintesi che la densità di un raccolto in un campo.

Il confronto delle stime del sistema con misurazioni accurate delle piante di mais e sorgo ha rivelato risultati promettenti:accordo del 91 percento sulla superficie delle singole foglie e del 95 percento sull'area totale delle foglie. L'accuratezza delle stime angolari era generalmente inferiore ma variava ancora dal 72 percento al 90 percento, a seconda della variabile e del tipo di impianto.

timido per la macchina fotografica

Ad oggi, la forma più comune di fenotipizzazione 3-D si è basata sulla stereo-visione:due telecamere che catturano simultaneamente le immagini di una pianta e uniscono le loro prospettive in un'approssimazione della 3-D identificando gli stessi punti da entrambe le immagini.

Sebbene l'imaging abbia rivoluzionato la fenotipizzazione in molti modi, ha dei difetti. Il più corto, Ge ha detto, è un'inevitabile perdita di informazioni spaziali durante la traduzione da 3-D a 2-D, soprattutto quando una parte di una pianta blocca la visuale della telecamera di un'altra parte.

"È stato particolarmente impegnativo per tratti come l'area fogliare e l'angolo fogliare, perché l'immagine non conserva molto bene quei tratti, " disse Ge.

L'approccio LiDAR a 360 gradi affronta meno di questi problemi, i ricercatori hanno detto, e richiede meno risorse computazionali quando si costruisce un'immagine 3D dai suoi dati.

"LiDAR è vantaggioso in termini di produttività e velocità e in termini di precisione e risoluzione, " disse Thapa, dottorando in ingegneria dei sistemi biologici. "E sta diventando più economico (rispetto a prima)."

Andando avanti, il team vuole introdurre laser di diversi colori nella sua configurazione LiDAR. Il modo in cui una pianta riflette quei laser aggiuntivi aiuterà a indicare come assorbe acqua e azoto, gli elementi essenziali della crescita delle piante, e produce la clorofilla necessaria per la fotosintesi.

"Se possiamo affrontare quelle tre (variabili) dal lato chimico e queste altre quattro (variabili) dal lato morfologico, e poi unirli, avremo sette proprietà che possiamo misurare contemporaneamente, " Ge ha detto. "Allora sarò davvero felice."

I ricercatori hanno riportato il loro nuovo approccio sulla rivista Sensori . Ge e Thapa sono gli autori dello studio con Hongfeng Yu, professore associato di informatica e ingegneria; Feiyu Zhu, dottorando in informatica e ingegneria; e Harkamal Walia, professore associato di agronomia e orticoltura.