Початкові кошти від Корнельська ініціатива з цифрового сільського господарстваНовий науково-інноваційний фонд.
Вісім міждисциплінарних команд дослідників – з Коледжу сільського господарства та наук про життя, Коледжу інженерії, обчислювальної техніки та інформаційних наук, Корнельського технічного університету та Коледжу ветеринарної медицини (CVM) – отримають трирічні винагороди в розмірі до 225,000 XNUMX доларів США. Щоб подати заявку, команди мали включати викладачів Корнелла принаймні з двох коледжів, забезпечуючи міжкампусну співпрацю.
«Ці дослідницькі проекти представляють захоплюючий потенціал цифрових інструментів, таких як обчислювальні моделі, роботизовані системи, штучний інтелект та «Інтернет речей», для трансформації сільського господарства на кожному етапі процесу виробництва продуктів харчування», — сказав він. Сьюзен МаккаучБарбара МакКлінток, професор селекції рослин і генетики та директор Корнельської ініціативи цифрового сільського господарства (CIDA). «Міждисциплінарне співробітництво, подібне до цього, розширить наукові межі, щоб підвищити продуктивність і сталість сільського господарства, а також сприяти розвитку відкриттів і практичних інновацій».
Мультидисциплінарна група з майже трьох десятків викладачів під головуванням Ренати Іванек, доцента кафедри народної медицини та діагностичних наук CVM, відібрала вісім проектів із 31 пропозиції. Фінансування нагород надходить від CIDA Research Innovation Fund і програми Hatch Act Міністерства сільського господарства США.
Проекти:
Підвищення врожайності полуниці за допомогою нативних і роботизованих запилювачів: Кірстін Петерсен, доцент кафедри електротехніки та комп’ютерної інженерії; і Скотт МакАрт, доцент кафедри ентомології. Їхня робота об’єднає автоматизований моніторинг диких і керованих запилювачів із роботизованим запиленням, закладаючи основу для біологічно-гібридної системи, яка може спостерігати, прогнозувати та покращувати врожайність. Дослідники розроблять довговічні та малопотужні камери-пастки для комах, використовуватимуть дрони для швидкого перехресного запилення та створять моделі росту, які можна буде передати фермеру через онлайн-додаток.
Нова ґрунтова робототехніка та зондування для фенотипування ґрунтово-кореневої системи ефективності використання води: Тарін Бауерле, доцент Школи інтегративного рослинництва (SIPS); Роберт Шеферд, доцент Школи машинобудування та аерокосмічної інженерії Сіблі (MAE); Майк Гор, професор Liberty Hyde Bailey та доцент кафедри молекулярної селекції та генетики в SIPS; Йоганнес Леманн, професор ґрунтознавства та рослинництва в SIPS; і Авраам Строк, директор William C. Hooey, і Гордон Л. Діббл, професор хімічної та біомолекулярної інженерії. Щоб отримати доступ до інформації в режимі реального часу про наявність і потік води в ґрунті навколо коренів рослин, дослідники розроблять стратегію зондування та робота-плавача в ґрунті для напівавтономного дослідження кореневої зони.
Обчислювальні моделі на основі мікробіомів та інструменти підтримки прийняття рішень для прогнозування псування свіжих продуктів: шпинат як модельна система: Мартін Відманн, професор із безпеки харчових продуктів сім’ї Геллерт; та Іванек. Дослідники розроблять обчислювальну модель взаємодії мікробіомів і збурень під час обробки, транспортування та роздрібної торгівлі, щоб передбачити термін зберігання свіжого шпинату.
Прискорена та автоматизована діагностика стресу в яблуневих садах: Авайс Хан, доцент SIPS у Cornell AgriTech; Серж Белонжі, професор інформатики в Cornell Tech; і Ной Сневеллі, доцент кафедри інформатики Корнельського технічного університету. Поєднуючи досвід у галузі патології рослин, фенотипування та комп’ютерного зору, команда створюватиме експертно-анотовані набори даних про хвороби яблук, очолить глобальний конкурс на пошук нових рішень для класифікації та кількісної оцінки хвороб, розроблятиме моделі комп’ютерного зору для точного розрізнення симптомів багатьох захворювань. хвороб і розробляти зручні програми для підтримки виробників яблук.
Вуглецеве землеробство: поєднання машинного інтелекту, великих даних і моделей процесів для підтримки цього сектора, що розвивається: Леманн і Фенгкі Ю, Роксана Е. і Майкл Дж. Зак, професори інженерії енергетичних систем Школи хімічної та біомолекулярної інженерії Сміта. Цей проект спрямований на покращення точного прогнозування вмісту органічного вуглецю в ґрунті шляхом поєднання моделювання процесів у ґрунті з машинним навчанням, глибоким навчанням і великими даними для створення платформи для впровадження політики, заснованої на фактичних даних, і інвестицій у здоров’я ґрунту та пом’якшення наслідків зміни клімату.
Функціонально орієнтована платформа фенотипування високої роздільної здатності для визначення зв’язків між генетикою та функціями в ризомікробіомі для сприяння використанню поживних речовин рослинами: Ейпріл Гу, професор цивільної та екологічної інженерії; Дженні Као-Ніффін, доцент SIPS; та Кіліан Вайнбергер, доцент інформатики. Дослідники розроблять інноваційну технологічну платформу фенотипування та генотипування, яка дозволить їм побудувати сільськогосподарську установку фенотипування світового класу в Корнелі, щоб відкривати та профілювати нові мікроорганізми, які є корисними для сільськогосподарських культур.
Масштабовані цифрові датчики неба та ґрунту: підхід Інтернету речей для покращення прогнозів погоди в масштабі ферми щодо екстремальної спеки, посухи та опадів: Тобі Олт, доцент кафедри наук про землю та атмосферу; і Макс Чжан, доцент MAE. Використовуючи наявний бездротовий Інтернет речей, дослідники будуть відстежувати та прогнозувати ключові змінні для прогнозування екстремальних погодних умов на рівні штату, округу та ферми, щоб надати виробникам продуктів харчування інструментарій для прогнозування небезпек.
Розробка прогностичних моделей для точного виявлення субклінічного та клінічного маститу у дійних корів, доїних за допомогою автоматизованих систем доїння: Рік Уоттерс, старший консультант CVM і директор Західної лабораторії з виробництва якісного молока; і Крістан Рід, доцент кафедри тваринництва. Використовуючи такі дані, як удій молока, час доїння та час між відвідуваннями доїння, дослідники розроблять алгоритм для прогнозування маститу у молочних корів.
- Мелані Лефковіц, Корнельський університет
Проекти, починаючи від робота-плавача в ґрунті, який може відчувати умови в кореневій зоні в режимі реального часу, і закінчуючи обчислювальними моделями, які можуть передбачати псування, отримали початкові кошти від нового Фонду дослідницьких інновацій Cornell Initiative for Digital Agriculture. Угорі безпілотник на дослідницькій фермі Масгрейв, який вивозять на поле студенти з лабораторії професора Майкла Гора. Фото: Еллісон Усаваж