پروژههایی از یک ربات شناگر خاک که میتواند شرایط منطقه ریشه را در زمان واقعی حس کند تا مدلهای محاسباتی که میتواند فاسد شدن محصول را پیشبینی کند وجوه بذر دریافتی را پیشبینی کند. ابتکار عمل کرنل برای کشاورزی دیجیتالصندوق نوآوری تحقیقاتی جدید.
هشت تیم بین رشته ای از محققان - از کالج کشاورزی و علوم زیستی، کالج مهندسی، محاسبات و علوم اطلاعات، Cornell Tech و کالج دامپزشکی (CVM) - جوایز سه ساله تا سقف 225,000 دلار دریافت خواهند کرد. برای درخواست، تیم ها باید شامل اعضای هیئت علمی کرنل از حداقل دو کالج باشند و از همکاری بین دانشگاهی اطمینان حاصل کنند.
گفت: «این پروژههای تحقیقاتی پتانسیل هیجانانگیز ابزارهای دیجیتال مانند مدلهای محاسباتی، سیستمهای روباتیک، هوش مصنوعی و «اینترنت اشیاء» را برای متحول کردن کشاورزی در هر مرحله از فرآیند تولید مواد غذایی نشان میدهند. سوزان مک کوچباربارا مک کلینتاک، پروفسور اصلاح نباتات و ژنتیک و مدیر ابتکار کرنل برای کشاورزی دیجیتال (CIDA). همکاریهای میان رشتهای مانند این مرزهای علم را برای افزایش بهرهوری و پایداری کشاورزی و تقویت خط لوله کشف و نوآوریهای عملی پیش میبرد.»
یک گروه چند رشته ای متشکل از نزدیک به سه ده عضو هیئت علمی، به ریاست رناتا ایوانک، دانشیار گروه پزشکی جمعیت و علوم تشخیصی در CVM، هشت پروژه را از بین 31 پیشنهاد انتخاب کردند. بودجه جوایز از صندوق نوآوری تحقیقاتی CIDA و برنامه قانون هچ وزارت کشاورزی ایالات متحده تامین می شود.
پروژه ها:
بهبود عملکرد توت فرنگی از طریق گرده افشان های بومی و روباتیک: کرستین پترسن، استادیار مهندسی برق و کامپیوتر؛ و اسکات مک آرت، استادیار حشره شناسی. کار آنها نظارت خودکار گرده افشان های وحشی و مدیریت شده را با گرده افشانی رباتیک ادغام می کند و زمینه را برای یک سیستم بیولوژیکی-هیبریدی فراهم می کند که می تواند عملکرد محصول را مشاهده، پیش بینی و بهبود بخشد. محققان تلههای دوربین حشرات بادوام و کم مصرف را توسعه خواهند داد، از هواپیماهای بدون سرنشین برای گرده افشانی سریع استفاده میکنند و مدلهای رشدی را ایجاد میکنند که میتواند از طریق یک اپلیکیشن آنلاین به کشاورز منتقل شود.
رباتیک جدید خاک و سنجش فنوتیپ خاک-ریشه اثربخشی مصرف آب: Taryn Bauerle، دانشیار دانشکده علوم گیاهی یکپارچه (SIPS)؛ رابرت شپرد، دانشیار دانشکده مهندسی مکانیک و هوافضای سیبلی (MAE)؛ مایک گور، لیبرتی هاید بیلی پروفسور و دانشیار پرورش مولکولی و ژنتیک در SIPS. یوهانس لمان، استاد علوم خاک و محصول در SIPS؛ و آبراهام استروک، مدیر ویلیام سی هوی و گوردون ال. دیبل، استاد مهندسی شیمی و بیومولکولی. برای دسترسی به اطلاعات بلادرنگ در مورد در دسترس بودن و جریان آب در خاک در اطراف ریشه های گیاه، محققان یک استراتژی حسگر و یک ربات شناگر خاک را برای کاوش نیمه مستقل منطقه ریشه توسعه خواهند داد.
مدلهای محاسباتی مبتنی بر میکروبیوم و ابزارهای پشتیبانی تصمیم برای پیشبینی فساد محصولات تازه: اسفناج به عنوان یک سیستم مدل: مارتین ویدمن، استاد خانواده گلرت در ایمنی مواد غذایی؛ و ایوانک محققان یک مدل محاسباتی از فعل و انفعالات میکروبیوم و اختلالات در طول پردازش، حمل و نقل و خرده فروشی برای پیش بینی ماندگاری اسفناج تازه ایجاد خواهند کرد.
تشخیص استرس سریع و خودکار در باغات سیب: آویس خان، استادیار SIPS در Cornell AgriTech. سرژ بلونگی، استاد علوم کامپیوتر در Cornell Tech. و نوآ اسناولی، دانشیار علوم کامپیوتر در Cornell Tech. این تیم با ترکیب تخصص در آسیب شناسی گیاهی، فنوتیپ و بینایی کامپیوتری، مجموعه داده های بیماری مشروح شده توسط متخصصان را برای سیب ها ایجاد خواهد کرد، یک رقابت چالش جهانی را برای یافتن راه حل های جدید برای طبقه بندی و کمیت بیماری ها رهبری می کند، مدل های بینایی کامپیوتری را برای تمایز دقیق بین علائم بسیاری از بیماری ها ایجاد می کند. بیماری ها و توسعه اپلیکیشن های کاربر پسند برای حمایت از پرورش دهندگان سیب.
کشاورزی کربن: ترکیب هوش ماشینی، داده های بزرگ و مدل های فرآیند برای حمایت از این بخش در حال ظهور: Lehmann و Fengqi شما، پروفسور Roxanne E. و Michael J. Zak در مهندسی سیستم های انرژی در دانشکده مهندسی شیمی و بیومولکولی اسمیت. هدف این پروژه بهبود پیشبینی دقیق کربن آلی خاک با ترکیب مدلسازی فرآیند خاک با یادگیری ماشینی، یادگیری عمیق و دادههای بزرگ برای ایجاد بستری برای هدایت سیاستهای مبتنی بر شواهد و سرمایهگذاری در سلامت خاک و کاهش تغییرات آب و هوایی است.
پلت فرم فنوتیپ با وضوح بالا با هدف عملکرد برای استنباط روابط ژنتیک-عملکرد در ریزومیکروبیوم برای ترویج استفاده از مواد مغذی گیاهی: آوریل گو، استاد مهندسی عمران و محیط زیست؛ جنی کائو-نیفین، دانشیار در SIPS؛ و کیلیان واینبرگر، دانشیار علوم کامپیوتر. محققان یک پلت فرم فناوری فنوتیپ-ژنوتیپ نوآورانه را توسعه خواهند داد که آنها را قادر می سازد تا یک مرکز فنوتیپ کشاورزی در سطح جهانی در کرنل بسازند تا میکروارگانیسم های جدیدی را که برای محصولات مفید هستند کشف و نمایه کنند.
حسگرهای دیجیتال مقیاس پذیر آسمان و خاک: رویکرد اینترنت اشیا برای بهبود پیش بینی آب و هوا در مقیاس مزرعه در مورد گرمای شدید، خشکسالی و بارندگی: توبی الت، استادیار علوم زمین و جو؛ و مکس ژانگ، دانشیار در MAE. محققان با استفاده از اینترنت بیسیم موجود، متغیرهای کلیدی را برای پیشبینی آب و هوای شدید در سطح ایالت، شهرستان و مزرعه نظارت و پیشبینی میکنند تا ابزاری برای پیشبینی خطرات به تولیدکنندگان مواد غذایی ارائه کنند.
توسعه مدل های پیش بینی برای تشخیص دقیق ورم پستان تحت بالینی و بالینی در گاوهای شیری دوشیده شده با سیستم های شیردوشی خودکار: ریک واترز، همکار ارشد در CVM و مدیر آزمایشگاه خدمات تولید شیر با کیفیت غربی؛ و کریستن رید، استادیار علوم حیوانات. محققان با استفاده از دادههایی مانند تولید شیر، زمان شیردوشی و زمان بین دوشش شیر، الگوریتمی برای پیشبینی ورم پستان در گاوهای شیری ایجاد خواهند کرد.
- ملانی لفکوویتز، دانشگاه کرنل
پروژههایی از ربات شناگر خاک که میتواند شرایط منطقه ریشه را در زمان واقعی حس کند تا مدلهای محاسباتی که میتواند فاسد شدن محصول را پیشبینی کند، بودجه بذری را از صندوق نوآوری تحقیقاتی جدید Cornell Initiative for Digital Agriculture دریافت کردند. در بالا، یک پهپاد در مزرعه تحقیقاتی ماسگریو که توسط دانشجویان آزمایشگاه پروفسور مایکل گور به میدان برده می شود. عکس: Allison Usavage