Projekti, ki segajo od robota za plavanje tal, ki lahko v realnem času zazna razmere v območju korenin, do računalniških modelov, ki lahko predvidijo kvarjenje, so prejeli sredstva za seme iz Cornellova pobuda za digitalno kmetijstvonov sklad za raziskave in inovacije.
Osem interdisciplinarnih skupin raziskovalcev – s Visoke šole za kmetijstvo in znanosti o življenju, Visoke šole za inženiring, računalništvo in informacijske znanosti, Cornell Tech in Visoke šole za veterinarsko medicino (CVM) – bo prejelo triletne nagrade v višini do 225,000 $. Za prijavo so morale ekipe vključevati člane Cornellove fakultete z vsaj dveh fakultet, kar je zagotovilo sodelovanje med kampusi.
"Ti raziskovalni projekti predstavljajo vznemirljiv potencial digitalnih orodij, kot so računalniški modeli, robotski sistemi, umetna inteligenca in 'internet stvari', za preoblikovanje kmetijstva na vsakem koraku procesa proizvodnje hrane," je dejal. Susan McCouch, Barbara McClintock, profesorica žlahtnjenja rastlin in genetike ter direktorica Cornell Initiative for Digital Agriculture (CIDA). "Interdisciplinarno sodelovanje, kot je to, bo premaknilo meje znanosti za povečanje produktivnosti in trajnosti kmetijstva ter za spodbujanje niza odkritij in praktičnih inovacij."
Multidisciplinarna skupina skoraj treh ducatov članov fakultete, ki ji je predsedovala Renata Ivanek, izredna profesorica na Oddelku za populacijsko medicino in diagnostične znanosti v CVM, je izmed 31 predlogov izbrala osem projektov. Sredstva za nagrade prihajajo iz Sklada za raziskovalne inovacije CIDA in programa ameriškega ministrstva za kmetijstvo Hatch Act.
Projekti:
Izboljšanje donosa jagod z domačimi in robotskimi opraševalci: Kirstin Petersen, docentka za elektrotehniko in računalništvo; in Scott McArt, docent za entomologijo. Njihovo delo bo vključevalo avtomatizirano spremljanje divjih in upravljanih opraševalcev z robotskim opraševanjem, s čimer bo postavljena podlaga za biološko-hibridni sistem, ki lahko opazuje, napoveduje in izboljša pridelek. Raziskovalci bodo razvili vzdržljive pasti za kamere z nizko porabo energije, uporabili drone za hitro navzkrižno opraševanje in ustvarili modele rasti, ki jih bo mogoče posredovati kmetu prek spletne aplikacije.
Nova robotika tal in zaznavanje za fenotipizacijo učinkovitosti rabe vode v tleh in koreninah: Taryn Bauerle, izredna profesorica na šoli za integrativno rastlinstvo (SIPS); Robert Shepherd, izredni profesor na Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, profesor Liberty Hyde Bailey in izredni profesor za molekularno vzrejo in genetiko v SIPS; Johannes Lehmann, profesor znanosti o tleh in pridelkih v SIPS; in Abraham Stroock, William C. Hooey direktor in Gordon L. Dibble, profesor kemijskega in biomolekularnega inženirstva. Za dostop do informacij v realnem času o razpoložljivosti in pretoku vode v tleh okoli rastlinskih korenin bodo raziskovalci razvili strategijo zaznavanja in robota, ki plava v tleh, za polavtonomno raziskovanje koreninskega območja.
Računalniški modeli, ki temeljijo na mikrobiomih, in orodja za podporo odločanju za napovedovanje kvarjenja svežih proizvodov: špinača kot modelni sistem: Martin Wiedmann, profesor družine Gellert za varnost hrane; in Ivanek. Raziskovalci bodo razvili računalniški model interakcij mikrobiomov in motenj med predelavo, transportom in prodajo na drobno, da bi napovedali rok uporabnosti sveže špinače.
Pospešena in avtomatizirana diagnostika stresa v nasadih jablan: Awais Khan, izredni profesor SIPS pri Cornell AgriTech; Serge Belongie, profesor računalništva na Cornell Tech; in Noah Snavely, izredni profesor računalništva na Cornell Tech. Z združevanjem strokovnega znanja na področju rastlinske patologije, fenotipizacije in računalniškega vida bo ekipa ustvarila nabore podatkov o boleznih jabolk s strokovnimi komentarji, vodila svetovno izzivalno tekmovanje za iskanje novih rešitev za klasifikacijo in kvantifikacijo bolezni, razvila modele računalniškega vida za natančno razlikovanje med simptomi mnogih bolezni in razviti uporabniku prijazne aplikacije za podporo pridelovalcem jabolk.
Ogljikovo kmetijstvo: Združevanje strojne inteligence, velikih podatkov in procesnih modelov za podporo temu nastajajočemu sektorju: Lehmann in Fengqi You, Roxanne E. in Michael J. Zak, profesorja inženiringa energetskih sistemov na Smith School of Chemical and Biomolecular Engineering. Namen tega projekta je izboljšati natančno napovedovanje organskega ogljika v tleh s kombiniranjem modeliranja procesov v tleh s strojnim učenjem, globokim učenjem in velikimi podatki, da bi ustvarili platformo za spodbujanje na dokazih temelječe politike in naložb v zdravje tal in blažitev podnebnih sprememb.
Platforma za fenotipizacijo z visoko ločljivostjo, usmerjena na funkcije, za sklepanje razmerij med genetiko in funkcijami v rizomikrobiomu za spodbujanje uporabe rastlinskih hranil: April Gu, profesorica gradbeništva in okoljskega inženirstva; Jenny Kao-Kniffin, izredna profesorica na SIPS; in Kilian Weinberger, izredni profesor računalništva. Raziskovalci bodo razvili inovativno tehnološko platformo za fenotipizacijo in genotipizacijo, ki jim bo omogočila izgradnjo kmetijskega fenotipskega obrata svetovnega razreda v Cornellu, da bi odkrili in profilirali nove mikroorganizme, ki so koristni za pridelke.
Razširljivi digitalni senzorji neba in tal: pristop interneta stvari za izboljšanje vremenskih napovedi ekstremne vročine, suše in padavin na ravni kmetij: Toby Ault, docent za vede o zemlji in atmosferi; in Max Zhang, izredni profesor na MAE. Z uporabo obstoječega brezžičnega interneta stvari bodo raziskovalci spremljali in napovedovali ključne spremenljivke za napovedovanje ekstremnih vremenskih razmer na državni, okrožni in kmetijski ravni, da bi proizvajalcem hrane zagotovili nabor orodij za napovedovanje nevarnosti.
Razvoj napovednih modelov za natančno odkrivanje subkliničnega in kliničnega mastitisa pri kravah molznicah, molznih z avtomatiziranimi molznimi sistemi: Rick Watters, višji svetovalni sodelavec pri CVM in direktor zahodnega laboratorija za kakovostno proizvodnjo mleka; in Kristan Reed, docent za živalske znanosti. Z uporabo podatkov, kot so količina mleka, čas molže in čas med obiski molže, bodo raziskovalci razvili algoritem za napovedovanje mastitisa pri kravah molznicah.
- Melanie Lefkowitz, Univerza Cornell
Projekti, ki segajo od robota za plavanje tal, ki lahko v realnem času zazna razmere v območju korenin, do računalniških modelov, ki lahko predvidijo kvarjenje, so prejeli začetna sredstva iz novega Sklada za raziskave in inovacije Cornell Initiative for Digital Agriculture. Zgoraj dron na raziskovalni farmi Musgrave, ki ga na teren odpeljejo študenti v laboratoriju profesorja Micheala Gorea. Foto: Allison Usavage