Проекты, начиная от робота, плавающего в почве, который может определять условия в корневой зоне в режиме реального времени, до вычислительных моделей, которые могут прогнозировать порчу продукции, получили семенные средства от Корнельская инициатива по цифровому сельскому хозяйствуновый научно-исследовательский инновационный фонд.
Восемь междисциплинарных групп исследователей – из Колледжа сельского хозяйства и наук о жизни, Колледжа инженерии, вычислительной техники и информатики, Корнеллского технологического института и Колледжа ветеринарной медицины (CVM) – получат трехлетние премии в размере до 225,000 XNUMX долларов США. Чтобы подать заявку, в команды должны были входить преподаватели Корнелла как минимум из двух колледжей, чтобы обеспечить сотрудничество между кампусами.
«Эти исследовательские проекты представляют собой потрясающий потенциал цифровых инструментов, таких как вычислительные модели, роботизированные системы, искусственный интеллект и «Интернет вещей», для преобразования сельского хозяйства на каждом этапе процесса производства продуктов питания», — сказал он. Сьюзан МакКоуч, профессор селекции и генетики растений Барбары МакКлинток и директор Корнеллской инициативы по цифровому сельскому хозяйству (CIDA). «Подобное междисциплинарное сотрудничество расширит границы науки, повысит производительность и устойчивость сельского хозяйства, а также будет способствовать развитию новых открытий и практических инноваций».
Междисциплинарная группа из почти трех десятков преподавателей под председательством Ренаты Иванек, доцента кафедры народной медицины и диагностических наук CVM, отобрала восемь проектов из 31 предложения. Финансирование премии осуществляется Фондом исследований и инноваций CIDA и программой Hatch Act Министерства сельского хозяйства США.
Проекты:
Повышение урожайности клубники с помощью местных и роботизированных опылителей: Кирстин Петерсен, доцент кафедры электротехники и вычислительной техники; и Скотт МакАрт, доцент кафедры энтомологии. Их работа объединит автоматизированный мониторинг диких и управляемых опылителей с роботизированным опылением, заложив основу для биологической гибридной системы, которая сможет наблюдать, прогнозировать и улучшать урожайность сельскохозяйственных культур. Исследователи разработают прочные и маломощные камеры-ловушки для насекомых, будут использовать дроны для быстрого перекрестного опыления и создадут модели роста, которые можно будет передать фермеру через онлайн-приложение.
Новая почвенная робототехника и зондирование почвенно-корневого фенотипирования эффективности водопользования: Тарин Бауэрле, доцент Школы интегративных наук о растениях (SIPS); Роберт Шепард, доцент Школы машиностроения и аэрокосмической техники Сибли (MAE); Майк Гор, профессор Liberty Hyde Bailey и доцент кафедры молекулярной селекции и генетики в SIPS; Йоханнес Леманн, профессор почвоведения и растениеводства SIPS; и Абрахам Струк, директор Уильяма К. Хуи, и Гордон Л. Диббл, профессор химической и биомолекулярной инженерии. Чтобы получить доступ к информации в режиме реального времени о наличии и потоке воды в почве вокруг корней растений, исследователи разработают сенсорную стратегию и робота, плавающего в почве, для полуавтономного исследования корневой зоны.
Вычислительные модели с учетом микробиома и инструменты поддержки принятия решений для прогнозирования порчи свежих продуктов: шпинат как модельная система: Мартин Видманн, профессор семьи Геллерт в области безопасности пищевых продуктов; и Иванек. Исследователи разработают вычислительную модель взаимодействия и возмущений микробиома во время обработки, транспортировки и розничной торговли, чтобы предсказать срок годности свежего шпината.
Ускоренная и автоматизированная диагностика стресса в яблоневых садах: Авайс Хан, доцент кафедры SIPS в Cornell AgriTech; Серж Белонги, профессор информатики Корнеллского технологического института; и Ноа Снейвли, доцент кафедры информатики Корнеллского технологического института. Объединив опыт в области патологии растений, фенотипирования и компьютерного зрения, команда создаст аннотированные экспертами наборы данных о заболеваниях яблок, возглавит глобальный конкурс по поиску новых решений для классификации и количественной оценки болезней, разработает модели компьютерного зрения для точного различения симптомов многих заболеваний. заболеваний и разработать удобные приложения для поддержки производителей яблок.
Углеродное сельское хозяйство: объединение машинного интеллекта, больших данных и моделей процессов для поддержки этого развивающегося сектора: Леманн и Фэнци Ю, профессор Роксаны Э. и Майкла Дж. Зака в области инженерии энергетических систем в Школе химической и биомолекулярной инженерии Смита. Этот проект направлен на улучшение точного прогнозирования содержания органического углерода в почве путем сочетания моделирования почвенных процессов с машинным обучением, глубоким обучением и большими данными для создания платформы для проведения научно обоснованной политики и инвестиций в здоровье почвы и смягчение последствий изменения климата.
Функционально-ориентированная платформа фенотипирования высокого разрешения для определения взаимосвязей генетики и функций в ризомикробиоме для содействия использованию питательных веществ растениями: Эйприл Гу, профессор гражданского и экологического строительства; Дженни Као-Книффин, доцент SIPS; и Килиан Вайнбергер, доцент кафедры информатики. Исследователи разработают инновационную технологическую платформу фенотипирования-генотипирования, которая позволит им построить в Корнелле центр сельскохозяйственного фенотипирования мирового класса, чтобы обнаруживать и профилировать новые микроорганизмы, полезные для сельскохозяйственных культур.
Масштабируемые цифровые датчики неба и почвы: подход Интернета вещей для улучшения прогнозов погоды в масштабах фермы в отношении экстремальной жары, засухи и осадков: Тоби Олт, доцент кафедры наук о Земле и атмосфере; и Макс Чжан, доцент МАЭ. Используя существующий беспроводной Интернет вещей, исследователи будут отслеживать и прогнозировать ключевые переменные для прогнозирования экстремальных погодных условий на уровне штата, округа и фермы, чтобы предоставить производителям продуктов питания набор инструментов для прогнозирования опасностей.
Разработка прогностических моделей для точного выявления субклинического и клинического мастита у дойных коров, доимых автоматизированными доильными системами: Рик Уоттерс, старший специалист по распространению знаний в CVM и директор Западной лаборатории услуг по производству качественного молока; и Кристан Рид, доцент кафедры зоотехники. Используя такие данные, как надои молока, время доения и время между посещениями дойки, исследователи разработают алгоритм для прогнозирования мастита у молочных коров.
– Мелани Лефковиц, Корнелльский университет
Проекты, начиная от робота, плавающего в почве, который может определять условия в корневой зоне в режиме реального времени, до вычислительных моделей, которые могут прогнозировать порчу продукции, получили начальные средства от нового исследовательского инновационного фонда Корнельской инициативы по цифровому сельскому хозяйству. Вверху: дрон на исследовательской ферме Масгрейв, который студенты лаборатории профессора Майкла Гора вывозят в поле. Фото: Эллисон Усаваж