Kök bölgedeki koşulları gerçek zamanlı olarak algılayabilen, toprakta yüzen bir robottan, bozulmayı tahmin edebilen hesaplamalı modellere kadar uzanan projeler, Dijital Tarım için Cornell Girişimi'nin yeni Araştırma İnovasyon Fonu.
Tarım ve Yaşam Bilimleri Fakültesi, Mühendislik, Bilgisayar ve Bilgi Bilimi Fakültesi, Cornell Tech ve Veteriner Fakültesi'nden (CVM) oluşan sekiz disiplinlerarası araştırmacı ekibi, 225,000 ABD Dolarına kadar üç yıllık ödüller alacak. Başvuru için ekiplerin en az iki üniversiteden Cornell öğretim üyelerini içermesi ve kampüsler arası işbirliğinin sağlanması gerekiyordu.
"Bu araştırma projeleri, hesaplamalı modeller, robotik sistemler, yapay zeka ve 'nesnelerin interneti' gibi dijital araçların, tarımı gıda üretim sürecinin her adımında dönüştürmeye yönelik heyecan verici potansiyelini temsil ediyor" dedi. Susan McCouchBarbara McClintock Bitki Yetiştirme ve Genetik Profesörü ve Cornell Dijital Tarım Girişimi'nin (CIDA) yöneticisidir. "Bu gibi disiplinlerarası işbirlikleri, tarımın üretkenliğini ve sürdürülebilirliğini artırmak ve keşif ve pratik yeniliklere yönelik bir hattı teşvik etmek için bilimin sınırlarını zorlayacak."
CVM Nüfus Tıbbı ve Teşhis Bilimleri Bölümünde doçent olan Renata Ivanek'in başkanlığını yaptığı yaklaşık üç düzine öğretim üyesinden oluşan multidisipliner bir grup, 31 teklif arasından sekiz projeyi seçti. Ödüllerin finansmanı CIDA Araştırma Yenilik Fonu ve ABD Tarım Bakanlığı Hatch Yasası programından geliyor.
Projeler:
Yerli ve robot tozlaştırıcılar aracılığıyla çilek veriminin artırılması: Elektrik ve bilgisayar mühendisliği alanında yardımcı doçent olan Kirstin Petersen; ve entomoloji alanında yardımcı doçent olan Scott McArt. Çalışmaları, yabani ve yönetilen tozlayıcıların otomatik olarak izlenmesini robotik tozlaşma ile entegre edecek ve mahsul verimini gözlemleyebilecek, tahmin edebilecek ve iyileştirebilecek bir biyolojik-hibrit sistemin temelini oluşturacak. Araştırmacılar, dayanıklı ve düşük güçlü böcek kamera tuzakları geliştirecek, hızlı çapraz tozlaşma için drone kullanacak ve çevrimiçi bir uygulama aracılığıyla çiftçiye aktarılabilecek büyüme modelleri oluşturacak.
Su kullanımı etkinliğinin toprak-kök fenotiplenmesine yönelik yeni toprak robotiği ve algılama: Taryn Bauerle, Bütünleştirici Bitki Bilimi Okulu'nda (SIPS) doçent; Sibley Makine ve Havacılık ve Uzay Mühendisliği Okulu'nda (MAE) doçent olan Robert Shepherd; Mike Gore, Liberty Hyde Bailey Profesörü ve SIPS'te moleküler üreme ve genetik alanında doçent; SIPS'te toprak ve bitki bilimleri profesörü Johannes Lehmann; ve William C. Hooey Direktörü Abraham Stroock ve Kimya ve Biyomoleküler Mühendisliği profesörü Gordon L. Dibble. Bitki köklerinin etrafındaki toprakta suyun varlığı ve akışı hakkında gerçek zamanlı bilgilere erişmek için araştırmacılar, kök bölgesini yarı otonom olarak keşfedecek bir algılama stratejisi ve toprakta yüzen bir robot geliştirecek.
Taze ürün bozulmasını tahmin etmek için mikrobiyom bilgili hesaplamalı modeller ve karar destek araçları: model sistem olarak ıspanak: Gellert Ailesi Gıda Güvenliği Profesörü Martin Wiedmann; ve Ivanek. Araştırmacılar, taze ıspanağın raf ömrünü tahmin etmek için işleme, taşıma ve perakende satış sırasındaki mikrobiyom etkileşimleri ve bozulmalarına ilişkin hesaplamalı bir model geliştirecekler.
Elma bahçelerinde hızlandırılmış ve otomatik stres teşhisi: Cornell AgriTech'te SIPS'te doçent olan Awais Khan; Cornell Tech'te bilgisayar bilimi profesörü Serge Belongie; ve Cornell Tech'te bilgisayar bilimi doçenti Noah Snavely. Bitki patolojisi, fenotipleme ve bilgisayarlı görme alanındaki uzmanlığı birleştiren ekip, elmalar için uzman açıklamalı hastalık veri kümeleri oluşturacak, hastalıkların sınıflandırılması ve nicelendirilmesi için yeni çözümler bulmak amacıyla küresel bir mücadele yarışmasına öncülük edecek, birçok hastalığın semptomlarını doğru bir şekilde ayırt etmek için bilgisayarlı görme modelleri geliştirecek. elma yetiştiricilerini desteklemek için kullanıcı dostu uygulamalar geliştirin.
Karbon tarımı: Gelişmekte olan bu sektörü desteklemek için makine zekasını, büyük verileri ve süreç modellerini birleştirmek: Lehmann ve Fengqi You, Smith Kimya ve Biyomoleküler Mühendisliği Okulu Enerji Sistemleri Mühendisliği alanında Roxanne E. ve Michael J. Zak Profesörü. Bu proje, toprak sağlığı ve iklim değişikliğinin azaltılmasına yönelik kanıta dayalı politika ve yatırımı teşvik edecek bir platform oluşturmak amacıyla toprak süreç modellemesini makine öğrenimi, derin öğrenme ve büyük verilerle birleştirerek topraktaki organik karbonun doğru tahminini geliştirmeyi amaçlıyor.
Bitki besin maddelerinin kullanımını teşvik etmek için rizomikrobiyomda genetik-işlev ilişkilerini ortaya çıkarmak için işlev hedefli yüksek çözünürlüklü fenotipleme platformu: İnşaat ve çevre mühendisliği profesörü April Gu; Jenny Kao-Kniffin, SIPS'te doçent; ve bilgisayar bilimleri doçenti Kilian Weinberger. Araştırmacılar, mahsullere faydalı olan yeni mikroorganizmaları keşfetmek ve profilini çıkarmak için Cornell'de birinci sınıf bir tarımsal fenotipleme tesisi kurmalarına olanak sağlayacak yenilikçi bir fenotipleme-genotipleme teknolojisi platformu geliştirecekler.
Gökyüzünün ve toprağın ölçeklenebilir dijital sensörleri: Aşırı sıcaklık, kuraklık ve yağışa ilişkin çiftlik ölçeğinde hava durumu tahminlerini iyileştirmek için nesnelerin interneti yaklaşımı: Toby Ault, yer ve atmosfer bilimleri alanında yardımcı doçent; ve MAE'de doçent olan Max Zhang. Araştırmacılar, mevcut, kablosuz nesnelerin internetini kullanarak, gıda üreticilerine tehlikeleri tahmin etmek için bir araç seti sağlamak amacıyla eyalet, ilçe ve çiftlik düzeyinde aşırı hava koşullarını tahmin etmek için temel değişkenleri izleyecek ve tahmin edecek.
Otomatik sağım sistemleriyle sağılan süt ineklerinde subklinik ve klinik mastitisin doğru bir şekilde tespit edilmesi için öngörücü modellerin geliştirilmesi: CVM'de kıdemli yayım ortağı ve Kaliteli Süt Üretim Hizmetleri Batı Laboratuvarı yöneticisi Rick Watters; ve hayvan bilimi alanında yardımcı doçent olan Kristan Reed. Süt verimi, sağım süresi ve sağım ziyaretleri arasındaki süre gibi verileri kullanan araştırmacılar, süt ineklerinde mastitisi tahmin etmek için bir algoritma geliştirecek.
- Melanie Lefkowitz, Cornell Üniversitesi
Kök bölgedeki koşulları gerçek zamanlı olarak algılayabilen toprakta yüzen bir robottan, bozulmayı tahmin edebilen hesaplamalı modellere kadar uzanan projeler, Cornell Dijital Tarım Girişimi'nin yeni Araştırma İnovasyon Fonu'ndan tohum fonu aldı. Yukarıda Musgrave Araştırma Çiftliği'ndeki bir drone, Profesör Micheal Gore'un laboratuvarındaki öğrenciler tarafından sahaya götürülüyor. Fotoğraf: Allison Usavage