Projek yang terdiri daripada robot berenang tanah yang boleh mengesan keadaan dalam zon akar dalam masa nyata kepada model pengiraan yang boleh meramalkan kerosakan yang diterima dana benih daripada Inisiatif Cornell untuk Pertanian DigitalDana Inovasi Penyelidikan yang baharu.
Lapan pasukan penyelidik antara disiplin - dari Kolej Pertanian dan Sains Hayat, Kolej Kejuruteraan, Pengkomputeran dan Sains Maklumat, Cornell Tech dan Kolej Perubatan Veterinar (CVM) - akan menerima anugerah tiga tahun sehingga $225,000. Untuk memohon, pasukan perlu memasukkan ahli fakulti Cornell daripada sekurang-kurangnya dua kolej, memastikan kerjasama merentas kampus.
"Projek penyelidikan ini mewakili potensi alat digital yang menarik, seperti model pengiraan, sistem robotik, kecerdasan buatan dan 'internet of things,' untuk mengubah pertanian pada setiap langkah proses pengeluaran makanan," katanya. Susan McCouch, Profesor Barbara McClintock Pembiakan Tumbuhan dan Genetik dan pengarah Inisiatif Cornell untuk Pertanian Digital (CIDA). "Kerjasama antara disiplin seperti ini akan mendorong sempadan sains untuk meningkatkan produktiviti dan kemampanan pertanian, dan untuk memupuk saluran penemuan dan inovasi praktikal."
Kumpulan pelbagai disiplin yang terdiri daripada hampir tiga dozen ahli fakulti, dipengerusikan oleh Renata Ivanek, profesor bersekutu di Jabatan Perubatan Populasi dan Sains Diagnostik di CVM, memilih lapan projek daripada 31 cadangan. Pembiayaan untuk anugerah itu datang daripada Dana Inovasi Penyelidikan CIDA dan program Akta Penetasan Jabatan Pertanian AS.
Projek-projek:
Meningkatkan hasil strawberi melalui pendebunga asli dan robotik: Kirstin Petersen, penolong profesor kejuruteraan elektrik dan komputer; dan Scott McArt, penolong profesor entomologi. Kerja mereka akan menyepadukan pemantauan automatik pendebunga liar dan terurus dengan pendebungaan robot, meletakkan asas untuk sistem biologi-hibrid yang boleh memerhati, meramal dan meningkatkan hasil tanaman. Para penyelidik akan membangunkan perangkap kamera serangga yang tahan lama dan berkuasa rendah, menggunakan dron untuk pendebungaan silang yang cepat dan mencipta model pertumbuhan yang boleh disampaikan kepada petani melalui aplikasi dalam talian.
Robotik tanah baharu dan penderiaan untuk fenotaip akar tanah bagi keberkesanan penggunaan air: Taryn Bauerle, profesor bersekutu di Sekolah Sains Tumbuhan Integratif (SIPS); Robert Shepherd, profesor bersekutu di Sekolah Kejuruteraan Mekanikal dan Aeroangkasa Sibley (MAE); Mike Gore, Profesor Liberty Hyde Bailey dan profesor bersekutu pembiakan molekul dan genetik dalam SIPS; Johannes Lehmann, profesor sains tanah dan tanaman di SIPS; dan Abraham Stroock, Pengarah William C. Hooey dan Gordon L. Dibble, profesor Kejuruteraan Kimia dan Biomolekul. Untuk mengakses maklumat masa nyata tentang ketersediaan dan aliran air dalam tanah di sekitar akar tumbuhan, para penyelidik akan membangunkan strategi penderiaan dan robot berenang tanah untuk meneroka zon akar secara separa autonomi.
Model pengiraan bermaklumat mikrobiom dan alat sokongan keputusan untuk meramalkan kerosakan hasil segar: bayam sebagai sistem model: Martin Wiedmann, Profesor Keluarga Gellert dalam Keselamatan Makanan; dan Ivanek. Para penyelidik akan membangunkan model pengiraan interaksi mikrobiom dan gangguan semasa pemprosesan, pengangkutan dan runcit untuk meramalkan jangka hayat bayam segar.
Diagnostik tekanan dipercepat dan automatik di kebun epal: Awais Khan, profesor bersekutu dalam SIPS di Cornell AgriTech; Serge Belongie, profesor sains komputer di Cornell Tech; dan Noah Snavely, profesor bersekutu sains komputer di Cornell Tech. Menggabungkan kepakaran dalam patologi tumbuhan, fenotaip dan penglihatan komputer, pasukan itu akan mencipta set data penyakit beranotasi pakar untuk epal, mengetuai persaingan cabaran global untuk mencari penyelesaian baru untuk klasifikasi dan kuantifikasi penyakit, membangunkan model penglihatan komputer untuk membezakan dengan tepat antara gejala banyak penyakit. penyakit, dan membangunkan aplikasi mesra pengguna untuk menyokong penanam epal.
Penternakan karbon: Menggabungkan kecerdasan mesin, data besar dan model proses untuk menyokong sektor baru muncul ini: Lehmann dan Fengqi You, Roxanne E. dan Michael J. Zak Profesor dalam Kejuruteraan Sistem Tenaga di Sekolah Kejuruteraan Kimia dan Biomolekul Smith. Projek ini bertujuan untuk meningkatkan ramalan tepat karbon organik tanah dengan menggabungkan pemodelan proses tanah dengan pembelajaran mesin, pembelajaran mendalam dan data besar untuk mencipta platform untuk memacu dasar dan pelaburan berasaskan bukti dalam kesihatan tanah dan mitigasi perubahan iklim.
Platform fenotaip resolusi tinggi yang disasarkan kepada fungsi untuk menyimpulkan hubungan fungsi genetik dalam rhizomikrobiom untuk menggalakkan penggunaan nutrien tumbuhan: April Gu, profesor kejuruteraan awam dan alam sekitar; Jenny Kao-Kniffin, profesor bersekutu dalam SIPS; dan Kilian Weinberger, profesor bersekutu sains komputer. Para penyelidik akan membangunkan platform teknologi fenotaip-genotaip inovatif yang akan membolehkan mereka membina kemudahan fenotaip pertanian bertaraf dunia di Cornell, untuk menemui dan memprofilkan mikroorganisma baharu yang bermanfaat kepada tanaman.
Penderia digital langit dan tanah boleh skala: Pendekatan Internet of things untuk menambah baik ramalan cuaca berskala ladang mengenai haba melampau, kemarau dan hujan: Toby Ault, penolong profesor sains bumi dan atmosfera; dan Max Zhang, profesor bersekutu di MAE. Menggunakan internet tanpa wayar sedia ada, para penyelidik akan memantau dan meramalkan pembolehubah utama untuk meramal cuaca ekstrem di peringkat negeri, daerah dan ladang untuk menyediakan pengeluar makanan dengan kit alat untuk meramal bahaya.
Pembangunan model ramalan untuk mengesan dengan tepat mastitis subklinikal dan klinikal dalam lembu tenusu yang diperah dengan sistem pemerah susu automatik: Rick Watters, sekutu lanjutan kanan dalam CVM dan pengarah Makmal Barat Perkhidmatan Pengeluaran Susu Kualiti; dan Kristan Reed, penolong profesor sains haiwan. Menggunakan data seperti hasil susu, masa memerah susu dan masa antara lawatan memerah susu, para penyelidik akan membangunkan algoritma untuk meramalkan mastitis dalam lembu tenusu.
- Melanie Lefkowitz, Universiti Cornell
Projek yang terdiri daripada robot berenang tanah yang boleh mengesan keadaan dalam zon akar dalam masa nyata kepada model pengiraan yang boleh meramalkan hasil kerosakan dana benih yang diterima daripada Dana Inovasi Penyelidikan Pertanian Digital Cornell Initiative for Digital Agriculture. Di atas, sebuah dron di Musgrave Research Farm, dibawa ke lapangan oleh pelajar di makmal Profesor Micheal Gore. Foto: Allison Usavage