Projekty, począwszy od robota pływającego w glebie, który może wykrywać warunki w strefie korzeniowej w czasie rzeczywistym, po modele obliczeniowe, które mogą przewidywać psucie się produktów, otrzymane fundusze na nasiona z Inicjatywa Cornell na rzecz rolnictwa cyfrowegonowego Funduszu Badań i Innowacji.
Osiem interdyscyplinarnych zespołów naukowców – z College of Agriculture and Life Sciences, College of Engineering, Computing and Information Science, Cornell Tech i College of Veterinary Medicine (CVM) – otrzyma trzyletnie nagrody w wysokości do 225,000 XNUMX USD. Aby złożyć wniosek, zespoły musiały obejmować członków wydziału Cornell z co najmniej dwóch uczelni, zapewniając współpracę między kampusami.
„Te projekty badawcze reprezentują ekscytujący potencjał narzędzi cyfrowych, takich jak modele obliczeniowe, systemy robotyczne, sztuczna inteligencja i „internet przedmiotów”, aby przekształcić rolnictwo na każdym etapie procesu produkcji żywności” – powiedział. Zuzanna McCouch, Barbara McClintock profesor hodowli roślin i genetyki oraz dyrektor Cornell Initiative for Digital Agriculture (CIDA). „Interdyscyplinarna współpraca, taka jak ta, przesunie granice nauki, aby zwiększyć produktywność i zrównoważony rozwój rolnictwa oraz wspierać szereg odkryć i praktycznych innowacji”.
Multidyscyplinarna grupa blisko trzydziestu członków wydziału pod przewodnictwem Renaty Ivanek, profesora nadzwyczajnego na Wydziale Medycyny Populacyjnej i Diagnostyki CVM, wybrała osiem projektów z 31 propozycji. Finansowanie nagród pochodzi z funduszu CIDA Research Innovation Fund i programu Hatch Act Departamentu Rolnictwa Stanów Zjednoczonych.
Projekty:
Poprawa plonów truskawek przez rodzime i zrobotyzowane zapylacze: Kirstin Petersen, adiunkt inżynierii elektrycznej i komputerowej; oraz Scott McArt, adiunkt entomologii. Ich prace połączą zautomatyzowane monitorowanie dzikich i zarządzanych zapylaczy z zapylaniem przez roboty, kładąc podwaliny pod biologiczno-hybrydowy system, który może obserwować, przewidywać i poprawiać plony. Naukowcy opracują trwałe i energooszczędne pułapki na owady, użyją dronów do szybkiego zapylania krzyżowego i stworzą modele wzrostu, które można będzie przekazać rolnikowi za pośrednictwem aplikacji internetowej.
Nowa robotyka glebowa i wykrywanie do fenotypowania efektywności wykorzystania wody w glebie i korzeniu: Taryn Bauerle, profesor nadzwyczajny w School of Integrative Plant Science (SIPS); Robert Shepherd, profesor nadzwyczajny w Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Liberty Hyde Bailey profesor i profesor nadzwyczajny hodowli molekularnej i genetyki w SIPS; Johannes Lehmann, profesor nauk o glebie i uprawach w SIPS; oraz Abraham Stroock, dyrektor William C. Hooey i Gordon L. Dibble, profesor inżynierii chemicznej i biomolekularnej. Aby uzyskać w czasie rzeczywistym dostęp do informacji o dostępności i przepływie wody w glebie wokół korzeni roślin, naukowcy opracują strategię wykrywania i robota pływającego w glebie do półautonomicznej eksploracji strefy korzeniowej.
Modele obliczeniowe oparte na mikrobiomach i narzędzia wspomagające podejmowanie decyzji do przewidywania psucia się świeżych produktów: szpinak jako system modelowy: Martin Wiedmann, profesor rodziny Gellertów w dziedzinie bezpieczeństwa żywności; i Ivanek. Naukowcy opracują model obliczeniowy interakcji i zakłóceń mikrobiomu podczas przetwarzania, transportu i sprzedaży detalicznej, aby przewidzieć okres przydatności do spożycia świeżego szpinaku.
Przyspieszona i zautomatyzowana diagnostyka naprężeń w sadach jabłoniowych: Awais Khan, profesor nadzwyczajny w SIPS w Cornell AgriTech; Serge Belongie, profesor informatyki w Cornell Tech; oraz Noah Snavely, profesor nadzwyczajny informatyki w Cornell Tech. Łącząc wiedzę specjalistyczną z zakresu patologii roślin, fenotypowania i widzenia komputerowego, zespół stworzy zestawy danych dotyczących chorób z komentarzami ekspertów dla jabłek, poprowadzi globalny konkurs w celu znalezienia nowatorskich rozwiązań klasyfikacji i oceny ilościowej chorób, opracuje modele widzenia komputerowego w celu dokładnego rozróżniania objawów wielu chorób. chorób i opracowywać przyjazne dla użytkownika aplikacje wspierające hodowców jabłek.
Rolnictwo węglowe: Łączenie inteligencji maszyn, dużych zbiorów danych i modeli procesów w celu wsparcia tego rozwijającego się sektora: Lehmann i Fengqi You, Roxanne E. i Michael J. Zak profesorowie inżynierii systemów energetycznych w Smith School of Chemical and Biomolecular Engineering. Projekt ten ma na celu poprawę dokładnego przewidywania zawartości węgla organicznego w glebie poprzez połączenie modelowania procesów glebowych z uczeniem maszynowym, uczeniem głębokim i dużymi zbiorami danych, aby stworzyć platformę do prowadzenia polityki opartej na dowodach i inwestycji w zdrowie gleby i łagodzenie zmiany klimatu.
Ukierunkowana na funkcje platforma fenotypowania o wysokiej rozdzielczości w celu wywnioskowania zależności genetyka-funkcje w kłączu mikrobiomu w celu promowania wykorzystania składników odżywczych roślin: April Gu, profesor inżynierii lądowej i środowiskowej; Jenny Kao-Kniffin, profesor nadzwyczajny w SIPS; oraz Kilian Weinberger, profesor nadzwyczajny informatyki. Naukowcy opracują innowacyjną platformę technologiczną fenotypowania-genotypowania, która pozwoli im zbudować światowej klasy ośrodek fenotypowania rolniczego w Cornell, aby odkrywać i profilować nowe mikroorganizmy korzystne dla upraw.
Skalowalne cyfrowe czujniki nieba i gleby: podejście oparte na Internecie rzeczy, aby poprawić prognozy pogody w skali gospodarstwa dotyczące ekstremalnych upałów, suszy i opadów deszczu: Toby Ault, adiunkt nauk o Ziemi i atmosferze; oraz Max Zhang, profesor nadzwyczajny w MAE. Korzystając z istniejącego, bezprzewodowego internetu rzeczy, naukowcy będą monitorować i prognozować kluczowe zmienne do przewidywania ekstremalnych warunków pogodowych na poziomie stanu, hrabstwa i gospodarstwa, aby zapewnić producentom żywności zestaw narzędzi do przewidywania zagrożeń.
Opracowanie modeli predykcyjnych do dokładnego wykrywania podklinicznego i klinicznego zapalenia wymienia u krów mlecznych dojonych za pomocą zautomatyzowanych systemów udojowych: Rick Waterters, starszy współpracownik ds. przedłużania w CVM i dyrektor Zachodniego Laboratorium Usług Produkcji Mleka Jakości; i Kristan Reed, adiunkt nauk o zwierzętach. Wykorzystując dane, takie jak wydajność mleka, czas dojenia i czas między wizytami udojowymi, naukowcy opracują algorytm do przewidywania zapalenia wymienia u krów mlecznych.
- Melanie Lefkowitz, Uniwersytet Cornella
Projekty, począwszy od robota pływającego w glebie, który może wykrywać warunki w strefie korzeniowej w czasie rzeczywistym, aż po modele obliczeniowe, które mogą przewidywać psucie się produktów, otrzymały fundusze na nasiona z nowego Funduszu Innowacji Badań Naukowych Inicjatywy Cornell na rzecz Rolnictwa Cyfrowego. Powyżej dron na farmie badawczej Musgrave, zabrany w teren przez uczniów w laboratorium profesora Micheala Gore'a. Zdjęcie: Allison Usavage