Siemenvaroja saatiin hankkeista maaperässä uivasta robotista, joka voi havaita juurivyöhykkeen olosuhteet reaaliajassa, laskennallisiin malleihin, jotka voivat ennustaa tuotannon pilaantumista. Cornell-aloite digitaalisen maatalouden hyväksiuusi tutkimusinnovaatiorahasto.
Kahdeksan tieteidenvälistä tutkijaryhmää – College of Agriculture and Life Sciences, College of Engineering, Computing and Information Science, Cornell Tech ja College of Veterinary Medicine (CVM) – saavat kolmen vuoden palkinnot jopa 225,000 XNUMX dollaria. Hakeakseen tiimeissä oli oltava Cornellin tiedekunnan jäseniä vähintään kahdesta korkeakoulusta, mikä varmistaa kampusten välisen yhteistyön.
"Nämä tutkimusprojektit edustavat digitaalisten työkalujen, kuten laskennallisten mallien, robottijärjestelmien, tekoälyn ja "esineiden internetin" jännittäviä mahdollisuuksia muuttaa maataloutta elintarviketuotantoprosessin jokaisessa vaiheessa", sanoi Susan McCouch, Barbara McClintock, kasvinjalostuksen ja genetiikan professori ja Cornell Initiative for Digital Agriculture (CIDA) -ohjelman johtaja. "Tällainen tieteidenvälinen yhteistyö työntää tieteen rajoja lisäämään maatalouden tuottavuutta ja kestävyyttä sekä edistämään löytö- ja käytännön innovaatioita."
Lähes kolmen tusinan tiedekunnan jäsenen monitieteinen ryhmä, jonka puheenjohtajana toimi CVM:n väestölääketieteen ja diagnostisten tieteiden laitoksen apulaisprofessori Renata Ivanek, valitsi kahdeksan hanketta 31 ehdotuksesta. Palkintojen rahoitus tulee CIDA Research Innovation Fundilta ja Yhdysvaltain maatalousministeriön Hatch Act -ohjelmalta.
Projektit:
Mansikan sadon parantaminen alkuperäisten ja robottipölyttäjien avulla: Kirstin Petersen, sähkö- ja tietokonetekniikan apulaisprofessori; ja Scott McArt, entomologian apulaisprofessori. Heidän työnsä integroi luonnonvaraisten ja hallittujen pölyttäjien automaattisen seurannan robottipölytykseen, mikä luo pohjan biologis-hybridijärjestelmälle, joka voi tarkkailla, ennustaa ja parantaa sadon tuottoa. Tutkijat kehittävät kestäviä ja vähätehoisia hyönteiskameraansoja, käyttävät droneja nopeaan ristipölytykseen ja luovat kasvumalleja, jotka voidaan välittää viljelijälle verkkosovelluksen kautta.
Uutta maaperän robotiikkaa ja anturia vedenkäytön tehokkuuden maaperän ja juurien fenotyypitykseen: Taryn Bauerle, apulaisprofessori School of Integrative Plant Sciencessa (SIPS); Robert Shepherd, apulaisprofessori Sibley School of Mechanical and Aerospace Engineeringissä (MAE); Mike Gore, Liberty Hyde Bailey SIPS:n molekyylijalostuksen ja genetiikan professori ja apulaisprofessori; Johannes Lehmann, maaperä- ja kasvitieteiden professori SIPS:ssä; ja Abraham Stroock, William C. Hooeyn johtaja ja Gordon L. Dibble, kemian ja biomolekyylitekniikan professori. Saadakseen reaaliaikaista tietoa veden saatavuudesta ja virtauksesta kasvien juurien ympärillä olevassa maaperässä tutkijat kehittävät havainnointistrategian ja maaperässä uivan robotin, joka tutkii puoliautonomisesti juurivyöhykettä.
Mikrobiomiin perustuvat laskennalliset mallit ja päätöksentekotyökalut tuoretuotteiden pilaantumisen ennustamiseen: pinaatti mallijärjestelmänä: Martin Wiedmann, Gellert-perheen elintarviketurvallisuuden professori; ja Ivanek. Tutkijat kehittävät laskennallisen mallin mikrobiomivuorovaikutuksista ja häiriöistä prosessoinnin, kuljetuksen ja vähittäiskaupan aikana ennustaakseen tuoreen pinaatin säilyvyyden.
Nopeutettu ja automatisoitu stressidiagnostiikka omenatarhoissa: Awais Khan, Cornell AgriTechin SIPS:n apulaisprofessori; Serge Belongie, tietojenkäsittelytieteen professori Cornell Techistä; ja Noah Snavely, tietojenkäsittelytieteen apulaisprofessori Cornell Techistä. Yhdistämällä kasvien patologian, fenotyypityksen ja tietokonenäön asiantuntemus, tiimi luo asiantuntijoiden merkityt sairaustietojoukot omenoille, johtaa maailmanlaajuista haastekilpailua löytääkseen uusia ratkaisuja sairauksien luokitteluun ja kvantifiointiin, kehittää tietokonenäkömalleja monien sairauksien oireiden erottamiseksi tarkasti. sairauksia ja kehittää käyttäjäystävällisiä sovelluksia omenanviljelijöiden tukemiseksi.
Hiiliviljely: Koneälyn, big datan ja prosessimallien yhdistäminen tämän nousevan sektorin tukemiseksi: Lehmann ja Fengqi You, Roxanne E. ja Michael J. Zak Energy Systems Engineeringin professori Smith School of Chemical and Biomolecular Engineeringissä. Tämän projektin tavoitteena on parantaa maaperän orgaanisen hiilen tarkkaa ennustamista yhdistämällä maaperän prosessimallinnus koneoppimiseen, syväoppimiseen ja big dataan luodakseen alustan, joka ohjaa näyttöön perustuvaa politiikkaa ja investointeja maaperän terveyteen ja ilmastonmuutoksen hillitsemiseen.
Toimintoon kohdistettu korkearesoluutioinen fenotyypitysalusta, joka päättelee juurakoiden geneettisten toimintojen välisiä suhteita kasviravinteiden hyödyntämisen edistämiseksi: April Gu, rakennus- ja ympäristötekniikan professori; Jenny Kao-Kniffin, SIPS:n apulaisprofessori; ja Kilian Weinberger, tietojenkäsittelytieteen apulaisprofessori. Tutkijat kehittävät innovatiivisen fenotyyppi-genotyypitysteknologia-alustan, jonka avulla he voivat rakentaa Cornelliin maailmanluokan maatalouden fenotyypityslaitoksen löytääkseen ja profiloidakseen uusia viljelykasveille hyödyllisiä mikro-organismeja.
Skaalautuvat taivaan ja maaperän digitaaliset anturit: Esineiden internet -lähestymistapa parantaa maatilan mittakaavan sääennusteita äärimmäisestä kuumuudesta, kuivuudesta ja sateesta: Toby Ault, maa- ja ilmatieteiden apulaisprofessori; ja Max Zhang, MAE:n apulaisprofessori. Olemassa olevan langattoman esineiden internetin avulla tutkijat tarkkailevat ja ennustavat keskeisiä muuttujia äärimmäisten sääolosuhteiden ennustamiseen osavaltion, läänin ja maatilan tasolla tarjotakseen elintarviketuottajille työkalupakin vaarojen ennustamiseen.
Ennustemallien kehittäminen subkliinisen ja kliinisen utaretulehduksen tarkkaan havaitsemiseen automaattisilla lypsyjärjestelmillä lypseillä lypsylehmillä: Rick Watters, CVM:n vanhempi asiantuntija ja Quality Milk Production Services Western Laboratoryn johtaja; ja Kristan Reed, eläintieteen apulaisprofessori. Käyttämällä tietoja, kuten maidon tuotto, lypsyaika ja lypsykäyntien välinen aika, tutkijat kehittävät algoritmin ennustamaan utaretulehdusta lypsylehmillä.
- Melanie Lefkowitz, Cornellin yliopisto
Cornell Initiative for Digital Agriculture -järjestön uudesta tutkimusinnovaatiorahastosta hankkeet vaihtelivat maaperässä uivasta robotista, joka voi havaita olosuhteet reaaliajassa juurivyöhykkeellä, laskennallisiin malleihin, jotka voivat ennustaa tuotannon pilaantumista. Yllä Drone Musgrave Research Farmilla, jonka professori Micheal Goren laboratorion opiskelijat veivät kentälle. Kuva: Allison Usavage