Projekter, der spænder fra en jordsvømmende robot, der kan registrere forholdene i rodzonen i realtid til beregningsmodeller, der kan forudsige produktionsfordærv, modtaget frømidler fra Cornell -initiativ til digitalt landbrugs nye Forskningsinnovationsfond.
Otte tværfaglige teams af forskere - fra College of Agriculture and Life Sciences, College of Engineering, Computing and Information Science, Cornell Tech og College of Veterinary Medicine (CVM) - vil modtage treårige priser på op til $225,000. For at ansøge skulle teams inkludere Cornell-fakultetmedlemmer fra mindst to colleges, hvilket sikrede samarbejde på tværs af campus.
"Disse forskningsprojekter repræsenterer det spændende potentiale i digitale værktøjer, såsom beregningsmodeller, robotsystemer, kunstig intelligens og 'tingenes internet', til at transformere landbruget på hvert trin af fødevareproduktionsprocessen," sagde Susan McCouch, Barbara McClintock-professoren i planteavl og genetik og direktøren for Cornell Initiative for Digital Agriculture (CIDA). "Tværfaglige samarbejder som disse vil skubbe videnskabens grænser for at øge produktiviteten og bæredygtigheden af landbruget og fremme en pipeline af opdagelser og praktiske innovationer."
En tværfaglig gruppe på næsten tre dusin fakultetsmedlemmer, ledet af Renata Ivanek, lektor ved Institut for Populationsmedicin og Diagnostiske Videnskaber i CVM, udvalgte de otte projekter blandt 31 forslag. Finansiering til priserne kommer fra CIDA Research Innovation Fund og US Department of Agriculture Hatch Act-programmet.
Projekterne:
Forbedring af jordbærudbyttet gennem indfødte og robotbestøvere: Kirstin Petersen, adjunkt i elektro- og computerteknik; og Scott McArt, assisterende professor i entomologi. Deres arbejde vil integrere automatiseret overvågning af vilde og forvaltede bestøvere med robotbestøvning, hvilket lægger grunden til et biologisk-hybrid system, der kan observere, forudsige og forbedre afgrødeudbyttet. Forskerne vil udvikle holdbare insektkamerafælder med lav effekt, bruge droner til hurtig krydsbestøvning og skabe vækstmodeller, der kan formidles til en landmand via en online app.
Ny jordrobotik og sensing til jord-rod-fænotyping af vandforbrugseffektivitet: Taryn Bauerle, lektor ved School of Integrative Plant Science (SIPS); Robert Shepherd, lektor ved Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Liberty Hyde Bailey Professor og lektor i molekylær avl og genetik i SIPS; Johannes Lehmann, professor i jord- og afgrødevidenskab i SIPS; og Abraham Stroock, direktøren for William C. Hooey og Gordon L. Dibble, professor i kemisk og biomolekylær ingeniørvidenskab. For at få adgang til information i realtid om tilgængeligheden og strømmen af vand i jorden omkring planterødder, vil forskerne udvikle en sansestrategi og en jordsvømmerobot til semi-autonomt at udforske rodzonen.
Mikrobiom-informerede beregningsmodeller og beslutningsstøtteværktøjer til at forudsige fordærv af friske produkter: spinat som et modelsystem: Martin Wiedmann, Gellert-familieprofessor i fødevaresikkerhed; og Ivanek. Forskerne vil udvikle en beregningsmodel for mikrobiom-interaktioner og forstyrrelser under forarbejdning, transport og detailhandel for at forudsige holdbarheden af frisk spinat.
Accelereret og automatiseret stressdiagnostik i æbleplantager: Awais Khan, lektor i SIPS hos Cornell AgriTech; Serge Belongie, professor i datalogi ved Cornell Tech; og Noah Snavely, lektor i datalogi ved Cornell Tech. Ved at kombinere ekspertise inden for plantepatologi, fænotypning og computersyn vil teamet skabe ekspertkommentarerede sygdomsdatasæt til æbler, lede en global udfordringskonkurrence for at finde nye løsninger til sygdomsklassificering og kvantificering, udvikle computersynsmodeller til præcist at skelne mellem symptomerne på mange sygdomme, og udvikle brugervenlige apps til at støtte æbleavlere.
Kulstofbrug: Kombination af maskinintelligens, big data og procesmodeller for at understøtte denne nye sektor: Lehmann og Fengqi You, Roxanne E. og Michael J. Zak professor i energisystemteknik ved Smith School of Chemical and Biomolecular Engineering. Dette projekt har til formål at forbedre nøjagtig forudsigelse af jordens organiske kulstof ved at kombinere jordprocesmodellering med maskinlæring, deep learning og big data for at skabe en platform til at drive evidensbaseret politik og investering i jordsundhed og afbødning af klimaændringer.
Funktionsmålrettet højopløsnings fænotypeplatform til at udlede genetik-funktionsforhold i rhizomicrobiom for at fremme udnyttelse af plantenæringsstoffer: April Gu, professor i civil- og miljøteknik; Jenny Kao-Kniffin, lektor i SIPS; og Kilian Weinberger, lektor i datalogi. Forskerne vil udvikle en innovativ fænotyping-genotyping teknologiplatform, der vil sætte dem i stand til at bygge en landbrugsfænotypingsfacilitet i verdensklasse ved Cornell for at opdage og profilere nye mikroorganismer, der er gavnlige for afgrøder.
Skalerbare digitale sensorer for himlen og jorden: En internet of things-tilgang til at forbedre gårdskala vejrudsigter for ekstrem varme, tørke og nedbør: Toby Ault, assisterende professor i jord- og atmosfæriske videnskaber; og Max Zhang, lektor i MAE. Ved at bruge et eksisterende, trådløst internet af ting, vil forskerne overvåge og forudsige nøglevariabler til at forudsige ekstremt vejr på delstats-, amts- og gårdniveau for at give fødevareproducenterne et værktøjssæt til at forudsige farer.
Udvikling af prædiktive modeller til nøjagtigt at detektere subklinisk og klinisk mastitis hos malkekøer malket med automatiserede malkesystemer: Rick Watters, senior extension associate i CVM og direktør for Quality Milk Production Services Western Laboratory; og Kristan Reed, assisterende professor i dyrevidenskab. Ved hjælp af data som mælkeydelse, malketid og tid mellem malkebesøg vil forskerne udvikle en algoritme til at forudsige mastitis hos malkekøer.
- Melanie Lefkowitz, Cornell University
Projekter lige fra en jordsvømmende robot, der kan fornemme forhold i rodzonen i realtid, til beregningsmodeller, der kan forudsige produktionsfordærvelse, modtog frømidler fra Cornell Initiative for Digital Agricultures nye Research Innovation Fund. Ovenfor en drone på Musgrave Research Farm, der bliver ført til marken af studerende i professor Micheal Gores laboratorium. Foto: Allison Usavage