Projekti u rasponu od robota za plivanje u tlu koji može osjetiti uvjete u zoni korijena u stvarnom vremenu do računalnih modela koji mogu predvidjeti kvarenje proizvoda dobili su izvorna sredstva od Cornellova inicijativa za digitalnu poljoprivredunovog istraživačko-inovacijskog fonda.
Osam interdisciplinarnih timova istraživača – s Fakulteta poljoprivrede i bioloških znanosti, Fakulteta inženjerstva, računarstva i informacijskih znanosti, Cornell Tech i Veterinarskog fakulteta (CVM) – dobit će trogodišnje nagrade u iznosu do 225,000 USD. Kako bi se prijavili, timovi su trebali uključivati članove Cornellova fakulteta s najmanje dva koledža, osiguravajući međukampusnu suradnju.
"Ovi istraživački projekti predstavljaju uzbudljiv potencijal digitalnih alata, kao što su računalni modeli, robotski sustavi, umjetna inteligencija i 'internet stvari', za transformaciju poljoprivrede u svakom koraku procesa proizvodnje hrane", rekao je. Susan McCouch, Barbara McClintock, profesorica oplemenjivanja bilja i genetike i direktorica Cornell Initiative for Digital Agriculture (CIDA). "Interdisciplinarna suradnja poput ove pomaknut će granice znanosti kako bi se povećala produktivnost i održivost poljoprivrede te potaknula niz otkrića i praktičnih inovacija."
Multidisciplinarna skupina od gotovo tri desetak članova fakulteta, pod predsjedanjem Renate Ivanek, izvanredne profesorice na Zavodu za populacijsku medicinu i dijagnostičke znanosti CVM-a, odabrala je osam projekata između 31 prijedloga. Sredstva za dodjelu nagrada dolaze iz CIDA Research Innovation Fund i programa Hatch Act Ministarstva poljoprivrede SAD-a.
Projekti:
Poboljšanje prinosa jagoda putem domaćih i robotskih oprašivača: Kirstin Petersen, docentica elektrotehnike i računarstva; i Scott McArt, docent entomologije. Njihov će rad integrirati automatizirano praćenje divljih i upravljanih oprašivača s robotskim oprašivanjem, postavljajući temelje za biološko-hibridni sustav koji može promatrati, predvidjeti i poboljšati prinos usjeva. Istraživači će razviti izdržljive zamke za kamere niske snage za kukce, koristiti dronove za brzo unakrsno oprašivanje i stvoriti modele rasta koji se mogu prenijeti poljoprivredniku putem internetske aplikacije.
Nova robotika tla i senzori za fenotipiziranje učinkovitosti korištenja vode u tlu i korijenu: Taryn Bauerle, izvanredni profesor na Školi integrativne znanosti o biljkama (SIPS); Robert Shepherd, izvanredni profesor na Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, profesor Liberty Hyde Bailey i izvanredni profesor molekularnog uzgoja i genetike u SIPS-u; Johannes Lehmann, profesor znanosti o tlu i usjevima u SIPS-u; i Abraham Stroock, William C. Hooey direktor i Gordon L. Dibble, profesor kemijskog i biomolekularnog inženjerstva. Za pristup informacijama u stvarnom vremenu o dostupnosti i protoku vode u tlu oko korijena biljaka, istraživači će razviti strategiju senzora i robota koji pliva u tlu za poluautonomno istraživanje zone korijena.
Računalni modeli utemeljeni na mikrobiomu i alati za podršku odlučivanju za predviđanje kvarenja svježih proizvoda: špinat kao modelni sustav: Martin Wiedmann, profesor sigurnosti hrane iz obitelji Gellert; i Ivanek. Istraživači će razviti računalni model interakcija mikrobioma i poremećaja tijekom prerade, transporta i maloprodaje kako bi predvidjeli rok trajanja svježeg špinata.
Ubrzana i automatizirana dijagnostika stresa u nasadima jabuka: Awais Khan, izvanredni profesor SIPS-a na Cornell AgriTechu; Serge Belongie, profesor informatike na Cornell Techu; i Noah Snavely, izvanredni profesor računalnih znanosti na Cornell Techu. Kombinirajući stručnost u biljnoj patologiji, fenotipizaciji i računalnom vidu, tim će stvoriti stručne skupove podataka o bolestima jabuka, voditi globalno izazovno natjecanje u pronalaženju novih rješenja za klasifikaciju i kvantifikaciju bolesti, razviti modele računalnog vida za točnu razliku između simptoma mnogih bolesti i razviti korisničke aplikacije za podršku uzgajivačima jabuka.
Uzgoj ugljika: Kombinacija strojne inteligencije, velikih podataka i modela procesa za podršku ovom sektoru u nastajanju: Lehmann i Fengqi You, Roxanne E. i Michael J. Zak profesori inženjerstva energetskih sustava na Smith School of Chemical and Biomolecular Engineering. Ovaj projekt ima za cilj poboljšati precizno predviđanje organskog ugljika u tlu kombiniranjem modeliranja procesa u tlu sa strojnim učenjem, dubokim učenjem i velikim podacima kako bi se stvorila platforma za poticanje politike utemeljene na dokazima i ulaganja u zdravlje tla i ublažavanje klimatskih promjena.
Funkcionalno ciljana platforma za fenotipizaciju visoke razlučivosti za izvođenje odnosa između genetike i funkcija u rizomikrobiomu za promicanje iskorištavanja biljnih hranjivih tvari: April Gu, profesorica građevinarstva i inženjerstva okoliša; Jenny Kao-Kniffin, izvanredna profesorica u SIPS-u; i Kilian Weinberger, izvanredni profesor računarstva. Istraživači će razviti inovativnu tehnološku platformu za fenotipizaciju i genotipizaciju koja će im omogućiti da izgrade prvoklasni poljoprivredni pogon za fenotipizaciju u Cornellu, kako bi otkrili i profilirali nove mikroorganizme koji su korisni za usjeve.
Skalabilni digitalni senzori neba i tla: pristup interneta stvari za poboljšanje vremenske prognoze ekstremne vrućine, suše i padalina na farmi: Toby Ault, docent znanosti o zemlji i atmosferi; i Max Zhang, izvanredni profesor na MAE. Koristeći postojeći, bežični internet stvari, istraživači će pratiti i prognozirati ključne varijable za predviđanje ekstremnih vremenskih prilika na razini države, okruga i farmi kako bi proizvođačima hrane pružili alate za predviđanje opasnosti.
Razvoj prediktivnih modela za precizno otkrivanje subkliničkog i kliničkog mastitisa u mliječnih krava koje se muzu automatiziranim sustavima za mužnju: Rick Watters, viši stručni suradnik u CVM-u i direktor Western Laboratoryja za usluge proizvodnje kvalitete mlijeka; i Kristan Reed, asistent profesora znanosti o životinjama. Koristeći podatke kao što su prinos mlijeka, vrijeme mužnje i vrijeme između posjeta mužnji, istraživači će razviti algoritam za predviđanje mastitisa kod mliječnih krava.
- Melanie Lefkowitz, Sveučilište Cornell
Projekti u rasponu od robota za plivanje tla koji može osjetiti uvjete u zoni korijena u stvarnom vremenu do računalnih modela koji mogu predvidjeti kvarenje proizvoda dobili su početna sredstva iz novog Fonda za istraživanje i inovacije Cornell Initiative for Digital Agriculture. Iznad, dron na istraživačkoj farmi Musgrave, kojeg studenti u laboratoriju profesora Micheala Gorea vode na teren. Fotografija: Allison Usavage