利用人工智能提取植物代谢物已经实现

从昆虫直接吸取植物叶脉营养得到启发，物理学家们对使用微米级收割机直接从植物细胞中获取化学物质进行了研究，目前他们已取得技术突破。

丹麦科技大学物理系副教授Kaare Hartvig Jensen的目标是减少为生产生物燃料、药品和其他产品而收割、运输和加工作农作物的需求。提取的必需物质被称为植物代谢物，提取过程也避免了不必要的化学和机械过程。植物代谢物由一系列极其重要的化学物质组成，许多代谢物，如疟疾药物青蒿素具有显著的治疗特性；而其他代谢物，如天然橡胶或从树液中提取的生物燃料具有机械特性。

逐个细胞获取纯物质

由于大多数植物代谢物是在单个细胞中分离出来的，提取代谢物的方法也很重要，因为提取过程会影响产品的纯度和产量。通常提取过程包括研磨、离心和使用溶剂等化学处理，这会带来严重污染，以及高昂的财政和环境处理成本。

“所有这些物质都是在植物的单个细胞中产生和储存的。如果想要纯物质，就必须经历这个过程。收获整株植物或从树枝上分离果实时，也同时获得了很多“不感兴趣”的物质。因此如果你想提取纯物质，就需要一个细胞一个细胞逐个地做。正如我们所展示，不必要收起整个植物，可以把这个小机器人放在上面，机器就可以在不损坏植物的情况下工作了。”Kaare说。

该团队目前正在研究植物和叶子，但在未来，这种类型的采集机可能会在更大的规模上使用。希望这种独特的方法能够创造一种新的生物能量来源，并激发对可持续能源生产新领域的研究。这项技术未来可用于从含有大量生物燃料的树木中提取能源。例如，在加拿大北部和俄罗斯的森林中，有大约7400亿棵完全未被破坏的云杉。这大约是地球上云杉总数的25%。通过开发这项技术，可以在不砍伐或破坏树木的情况下从树木中提取糖和制造生物燃料。

微观层面的人工智能

采集机采集的水果和树叶中细胞直径为100微米，而针尖直径约为10微米。因此，收获的规模只有一根头发那么大。这一切都是通过显微镜摄像机完成的。首先，在显微镜图像上手工标记像素，显示机器人将采集的细胞。这些信息可以用来训练计算机在新图像中找到相似的细胞。

机器学习和预先存在的神经网络是这项技术的基础，该网络已经可以识别宏观结构、筛选图像并告诉你，照片中是否隐藏着大象或一颗红辣椒。同时，研究人员使用了一种叫做迁移学习的技术，利用现有神经网络的能力来识别图像中的不同物体。通过向计算机展示大量带有人工标记细胞的新图像，成功地调整了网络参数，使其能够识别微观代谢丰富的细胞。

依靠人工智能，采集得以进行，用显微镜相机给叶子拍一张照片，通过软件运行，然后识别出所需的细胞。接下来，它可以使用微型机器人自动提取化学物质，而植物的其他部分不受干扰。