Projekti, sākot no augsnē peldoša robota, kas var reāllaikā sajust apstākļus sakņu zonā, līdz skaitļošanas modeļiem, kas var paredzēt produkcijas bojāšanos, saņēma sēklas līdzekļus no Kornela iniciatīva digitālajai lauksaimniecībaiJaunais pētniecības inovāciju fonds.
Astoņas starpdisciplināras pētnieku komandas - no Lauksaimniecības un dzīvības zinātņu koledžas, Inženierzinātņu, skaitļošanas un informācijas zinātnes koledžas, Kornela Tehnikas un Veterinārmedicīnas koledžas (CVM) - saņems trīs gadu balvas līdz 225,000 XNUMX USD. Lai pieteiktos, komandām bija jāiekļauj Kornela fakultātes locekļi no vismaz divām koledžām, nodrošinot sadarbību starp universitātes pilsētiņām.
"Šie pētniecības projekti atspoguļo aizraujošo digitālo rīku, piemēram, skaitļošanas modeļu, robotu sistēmu, mākslīgā intelekta un "lietu interneta" potenciālu, lai pārveidotu lauksaimniecību katrā pārtikas ražošanas procesa posmā," sacīja. Sūzena Makkuša, Barbara McClintock augu selekcijas un ģenētikas profesore un Kornela Digitālās lauksaimniecības iniciatīvas (CIDA) direktore. "Šāda starpdisciplināra sadarbība virzīs zinātnes robežas, lai palielinātu lauksaimniecības produktivitāti un ilgtspējību, kā arī veicinātu atklājumu un praktisku jauninājumu klāstu."
Daudznozaru grupa, kurā ir gandrīz trīs desmiti mācībspēku, kuru vadīja Renata Ivaneka, CVM Populācijas medicīnas un diagnostikas zinātņu katedras asociētā profesore, atlasīja astoņus projektus no 31 priekšlikuma. Finansējums balvām tiek piešķirts no CIDA pētniecības inovāciju fonda un ASV Lauksaimniecības departamenta Hatch Act programmas.
Projekti:
Zemeņu ražas uzlabošana, izmantojot vietējos un robotizētos apputeksnētājus: Kirstina Petersena, elektrotehnikas un datortehnikas docente; un Skots Makarts, entomoloģijas docents. Viņu darbs integrēs savvaļas un pārvaldītu apputeksnētāju automatizētu uzraudzību ar robotizētu apputeksnēšanu, liekot pamatu bioloģiski hibrīda sistēmai, kas var novērot, prognozēt un uzlabot ražu. Pētnieki izstrādās izturīgas un mazjaudas insektu kameru slazdus, izmantos dronus ātrai savstarpējai apputeksnēšanai un izveidos augšanas modeļus, kurus var nodot lauksaimniekam, izmantojot tiešsaistes lietotni.
Jauna augsnes robotika un ūdens izmantošanas efektivitātes augsnes sakņu fenotipa noteikšana: Taryn Bauerle, Integratīvās augu zinātnes skolas (SIPS) asociētā profesore; Roberts Šeperds, asociētais profesors Sibley Mechanical and Aerospace Engineering (MAE) skolā; Maiks Gors, Liberty Hyde Bailey profesors un SIPS molekulārās selekcijas un ģenētikas asociētais profesors; Johanness Lehmans, SIPS augsnes un augkopības zinātņu profesors; un Abrahams Strūks, William C. Hooey direktors un Gordons L. Dibls, ķīmijas un biomolekulārās inženierijas profesors. Lai piekļūtu reāllaika informācijai par ūdens pieejamību un plūsmu augsnē ap augu saknēm, pētnieki izstrādās noteikšanas stratēģiju un augsnē peldošu robotu, lai daļēji autonomi izpētītu sakņu zonu.
Ar mikrobiomu informēti skaitļošanas modeļi un lēmumu atbalsta rīki, lai prognozētu svaigu produktu bojāšanos: spināti kā modeļa sistēma: Martins Vīdmans, Gellertu ģimenes profesors pārtikas nekaitīguma jautājumos; un Ivaneks. Pētnieki izstrādās skaitļošanas modeli mikrobiomu mijiedarbībai un perturbācijām apstrādes, transportēšanas un mazumtirdzniecības laikā, lai prognozētu svaigu spinātu glabāšanas laiku.
Paātrināta un automatizēta stresa diagnostika ābeļdārzos: Awais Khan, Cornell AgriTech SIPS asociētais profesors; Serge Belongie, Cornell Tech datorzinātņu profesors; un Noah Snavely, Cornell Tech datorzinātņu asociētais profesors. Apvienojot zināšanas par augu patoloģiju, fenotipēšanu un datorredzi, komanda izveidos ekspertu anotētas slimību datu kopas āboliem, vadīs globālu izaicinājumu konkursu, lai atrastu jaunus risinājumus slimību klasifikācijai un kvantitatīvai noteikšanai, izstrādās datorredzes modeļus, lai precīzi atšķirtu daudzu slimību simptomus. slimībām un izstrādāt lietotājam draudzīgas lietotnes, lai atbalstītu ābolu audzētājus.
Oglekļa lauksaimniecība: mašīnu intelekta, lielo datu un procesu modeļu apvienošana, lai atbalstītu šo jauno nozari: Lehmann un Fengqi You, Roxanne E. un Michael J. Zak profesori enerģētikas sistēmu inženierijā Smita Ķīmiskās un biomolekulārās inženierijas skolā. Šī projekta mērķis ir uzlabot precīzu augsnes organiskā oglekļa prognozēšanu, apvienojot augsnes procesa modelēšanu ar mašīnmācīšanos, dziļu mācīšanos un lielajiem datiem, lai izveidotu platformu, kas virzītu uz pierādījumiem balstītu politiku un ieguldījumus augsnes veselībā un klimata pārmaiņu mazināšanā.
Uz funkcijām mērķēta augstas izšķirtspējas fenotipēšanas platforma, lai secinātu ģenētikas un funkciju attiecības rizomikrobiomā, lai veicinātu augu barības vielu izmantošanu: April Gu, civilās un vides inženierijas profesors; Dženija Kao-Knifina, SIPS asociētā profesore; un Kilian Weinberger, datorzinātņu asociētais profesors. Pētnieki izstrādās novatorisku fenotipēšanas-genotipēšanas tehnoloģiju platformu, kas ļaus viņiem izveidot pasaules līmeņa lauksaimniecības fenotipēšanas iekārtu Kornelā, lai atklātu un profilētu jaunus mikroorganismus, kas ir labvēlīgi kultūraugiem.
Mērogojami digitālie debesu un augsnes sensori: lietu interneta pieeja, lai uzlabotu saimniecības mēroga laika prognozes par ārkārtēju karstumu, sausumu un nokrišņiem: Tobijs Aults, zemes un atmosfēras zinātņu docents; un Max Zhang, MAE asociētais profesors. Izmantojot esošo bezvadu lietu internetu, pētnieki uzraudzīs un prognozēs galvenos mainīgos lielumus, lai prognozētu ekstremālus laikapstākļus valsts, apgabalu un saimniecību līmenī, lai nodrošinātu pārtikas ražotājiem rīku komplektu apdraudējumu prognozēšanai.
Prognozējošu modeļu izstrāde, lai precīzi noteiktu subklīnisko un klīnisko mastītu slaucamām govīm, kas slauktas ar automatizētām slaukšanas sistēmām: Rick Watters, CVM vecākais līdzstrādnieks un Quality Milk Production Services Western Laboratory direktors; un Kristan Reed, dzīvnieku zinātnes docente. Izmantojot tādus datus kā izslaukums, slaukšanas laiks un laiks starp slaukšanas apmeklējumiem, pētnieki izstrādās algoritmu, lai prognozētu mastītu slaucamām govīm.
- Melānija Lefkovica, Kornela universitāte
Projekti, sākot no augsnē peldoša robota, kas var sajust apstākļus sakņu zonā reāllaikā, līdz skaitļošanas modeļiem, kas var paredzēt produkcijas bojāšanos, saņēma sākuma līdzekļus no Kornela digitālās lauksaimniecības iniciatīvas jaunā pētniecības inovāciju fonda. Augšpusē ir drons Musgreivas pētniecības fermā, ko uz lauka ved studenti profesora Maikla Gora laboratorijā. Foto: Allison Usavage