從昆蟲直接吸取植物葉脈營養得到啟發，物理學家們對使用微米級收割機直接從植物細胞中獲取化學物質進行了研究，目前他們已取得技術突破。

丹麥科技大學物理系副教授Kaare Hartvig Jensen的目標是減少為生產生物燃料、藥品和其他產品而收割、運輸和加工作農作物的需求。提取的必需物質被稱為植物代謝物，提取過程也避免了不必要的化學和機械過程。植物代謝物由一系列極其重要的化學物質組成，許多代謝物，如瘧疾藥物青蒿素具有顯著的治療特性；而其他代謝物，如天然橡膠或從樹液中提取的生物燃料具有機械特性。

逐個細胞獲取純物質

由于大多數植物代謝物是在單個細胞中分離出來的，提取代謝物的方法也很重要，因為提取過程會影響產品的純度和產量。通常提取過程包括研磨、離心和使用溶劑等化學處理，這會帶來嚴重污染，以及高昂的財政和環境處理成本。

“所有這些物質都是在植物的單個細胞中產生和儲存的。如果想要純物質，就必須經歷這個過程。收獲整株植物或從樹枝上分離果實時，也同時獲得了很多“不感興趣”的物質。因此如果你想提取純物質，就需要一個細胞一個細胞逐個地做。正如我們所展示，不必要收起整個植物，可以把這個小機器人放在上面，機器就可以在不損壞植物的情況下工作了。”Kaare說。

該團隊目前正在研究植物和葉子，但在未來，這種類型的采集機可能會在更大的規模上使用。希望這種獨特的方法能夠創造一種新的生物能量來源，并激發對可持續能源生產新領域的研究。這項技術未來可用于從含有大量生物燃料的樹木中提取能源。例如，在加拿大北部和俄羅斯的森林中，有大約7400億棵完全未被破壞的云杉。這大約是地球上云杉總數的25%。通過開發這項技術，可以在不砍伐或破壞樹木的情況下從樹木中提取糖和制造生物燃料。

微觀層面的人工智能

采集機采集的水果和樹葉中細胞直徑為100微米，而針尖直徑約為10微米。因此，收獲的規模只有一根頭發那么大。這一切都是通過顯微鏡攝像機完成的。首先，在顯微鏡圖像上手工標記像素，顯示機器人將采集的細胞。這些信息可以用來訓練計算機在新圖像中找到相似的細胞。

機器學習和預先存在的神經網絡是這項技術的基礎，該網絡已經可以識別宏觀結構、篩選圖像并告訴你，照片中是否隱藏著大象或一顆紅辣椒。同時，研究人員使用了一種叫做遷移學習的技術，利用現有神經網絡的能力來識別圖像中的不同物體。通過向計算機展示大量帶有人工標記細胞的新圖像，成功地調整了網絡參數，使其能夠識別微觀代謝豐富的細胞。

依靠人工智能，采集得以進行，用顯微鏡相機給葉子拍一張照片，通過軟件運行，然后識別出所需的細胞。接下來，它可以使用微型機器人自動提取化學物質，而植物的其他部分不受干擾。