Проекти, вариращи от робот за плуване в почвата, който може да усети условията в кореновата зона в реално време до изчислителни модели, които могат да предскажат развалянето на продукцията, получиха начални средства от Инициатива на Корнел за цифрово земеделиеновият фонд за научни изследвания и иновации.
Осем интердисциплинарни екипа от изследователи – от Колежа по земеделие и науки за живота, Колежа по инженерство, компютърни и информационни науки, Cornell Tech и Колежа по ветеринарна медицина (CVM) – ще получат тригодишни награди до $225,000 XNUMX. За да кандидатстват, екипите трябваше да включват членове на факултета на Корнел от поне два колежа, като се гарантира сътрудничество между кампуса.
„Тези изследователски проекти представят вълнуващия потенциал на дигиталните инструменти, като изчислителни модели, роботизирани системи, изкуствен интелект и „интернет на нещата“, за трансформиране на селското стопанство на всяка стъпка от процеса на производство на храни“, каза Сюзън Маккауч, Барбара Макклинток, професор по растениевъдство и генетика и директор на Корнелската инициатива за цифрово земеделие (CIDA). „Интердисциплинарни сътрудничества като тези ще разширят границите на науката, за да увеличат производителността и устойчивостта на селското стопанство и да насърчат поредица от открития и практически иновации.“
Мултидисциплинарна група от близо три дузини членове на факултета, председателствана от Рената Иванек, доцент в катедрата по популационна медицина и диагностични науки в CVM, избра осемте проекта от 31 предложения. Финансирането на наградите идва от Фонда за научни изследвания и иновации на CIDA и програмата Hatch Act на Министерството на земеделието на САЩ.
Проектите:
Подобряване на добива на ягоди чрез местни и роботизирани опрашители: Кирстин Петерсен, асистент по електротехника и компютърно инженерство; и Скот Макарт, асистент по ентомология. Тяхната работа ще интегрира автоматизиран мониторинг на диви и управлявани опрашители с роботизирано опрашване, полагайки основите на биологично-хибридна система, която може да наблюдава, прогнозира и подобрява добива на културите. Изследователите ще разработят издръжливи капани за камери за насекоми с ниска мощност, ще използват дронове за бързо кръстосано опрашване и ще създадат модели на растеж, които могат да бъдат предадени на фермер чрез онлайн приложение.
Нова почвена роботика и сензори за фенотипиране на почвата-корен на ефективността на използване на водата: Тарин Бауерле, доцент в Училището по интегративна растителна наука (SIPS); Робърт Шепърд, доцент в Sibley School of Mechanical and Aerospace Engineering (MAE); Майк Гор, професор от Liberty Hyde Bailey и доцент по молекулярно развъждане и генетика в SIPS; Йоханес Леман, професор по почвени и културни науки в SIPS; и Ейбрахам Строок, директор на William C. Hooey и Гордън Л. Дибъл, професор по химическо и биомолекулярно инженерство. За достъп до информация в реално време за наличието и потока на вода в почвата около корените на растенията, изследователите ще разработят стратегия за отчитане и плуващ в почвата робот за полуавтономно изследване на кореновата зона.
Информирани от микробиома изчислителни модели и инструменти за подпомагане на вземането на решения за прогнозиране на развалянето на пресни продукти: спанак като моделна система: Мартин Видман, професор по безопасност на храните от семейство Гелерт; и Иванек. Изследователите ще разработят изчислителен модел на взаимодействията и смущенията на микробиомите по време на обработката, транспортирането и търговията на дребно, за да предвидят срока на годност на пресния спанак.
Ускорена и автоматизирана диагностика на стрес в ябълкови градини: Awais Khan, доцент по SIPS в Cornell AgriTech; Serge Belongie, професор по компютърни науки в Cornell Tech; и Ноа Снейли, доцент по компютърни науки в Cornell Tech. Комбинирайки експертен опит в патологията на растенията, фенотипирането и компютърното зрение, екипът ще създаде експертно анотирани набори от данни за болести за ябълки, ще ръководи глобално състезание за предизвикателство за намиране на нови решения за класификация и количествено определяне на болести, ще разработи модели на компютърно зрение за точно разграничаване на симптомите на много болести и разработване на удобни за потребителя приложения в подкрепа на производителите на ябълки.
Въглеродно земеделие: Комбиниране на машинен интелект, големи данни и модели на процеси в подкрепа на този нововъзникващ сектор: Lehmann и Fengqi You, Roxanne E. и Michael J. Zak, професор по инженерство на енергийни системи в Училището по химическо и биомолекулярно инженерство Smith. Този проект има за цел да подобри точното прогнозиране на органичния въглерод в почвата чрез комбиниране на моделиране на процесите в почвата с машинно обучение, задълбочено обучение и големи данни, за да създаде платформа за стимулиране на основана на доказателства политика и инвестиции в здравето на почвата и смекчаване на изменението на климата.
Функционално насочена платформа за фенотипиране с висока разделителна способност за извеждане на връзки между генетиката и функциите в ризомикробиома за насърчаване на използването на хранителни вещества от растенията: Април Гу, професор по гражданско и екологично инженерство; Джени Као-Нифин, доцент в SIPS; и Килиан Уайнбъргър, доцент по компютърни науки. Изследователите ще разработят иновативна технологична платформа за фенотипиране и генотипиране, която ще им позволи да изградят съоръжение за селскостопанско фенотипиране от световна класа в Корнел, за да открият и профилират нови микроорганизми, които са полезни за културите.
Мащабируеми цифрови сензори за небето и почвата: Подход на интернет на нещата за подобряване на метеорологичните прогнози в мащаб на фермата за екстремни горещини, суша и валежи: Тоби Олт, асистент по земни и атмосферни науки; и Макс Джан, доцент в MAE. Използвайки съществуващ безжичен интернет на нещата, изследователите ще наблюдават и прогнозират ключови променливи за прогнозиране на екстремно време на ниво щат, окръг и ферма, за да предоставят на производителите на храни набор от инструменти за прогнозиране на опасности.
Разработване на прогнозни модели за точно откриване на субклиничен и клиничен мастит при млечни крави, доени с автоматизирани системи за доене: Рик Уотърс, старши разширителен сътрудник в CVM и директор на Западната лаборатория за услуги за производство на качествено мляко; и Кристан Рийд, асистент по животновъдни науки. Използвайки данни като добив на мляко, време за доене и време между посещенията за доене, изследователите ще разработят алгоритъм за прогнозиране на мастит при млечни крави.
- Мелани Лефковиц, Университет Корнел
Проекти, вариращи от робот за плуване в почвата, който може да усети условията в зоната на корените в реално време до изчислителни модели, които могат да предскажат развалянето на продукцията, получиха начални средства от новия фонд за научни изследвания и иновации на Инициативата на Корнел за цифрово земеделие. По-горе, дрон в изследователската ферма Musgrave, изведен на полето от студенти в лабораторията на професор Майкъл Гор. Снимка: Алисън Усавидж