Projectes que van des d'un robot que neda el sòl que pot detectar les condicions a la zona de l'arrel en temps real fins a models computacionals que poden predir el deteriorament dels productes van rebre fons de llavors de la Iniciativa Cornell per a l'Agricultura Digitalnou Fons d'Innovació en Recerca.
Vuit equips interdisciplinaris d'investigadors, del Col·legi d'Agricultura i Ciències de la Vida, el Col·legi d'Enginyeria, Informàtica i Ciències de la Informació, Cornell Tech i el Col·legi de Medicina Veterinària (CVM), rebran premis de tres anys de fins a 225,000 dòlars. Per sol·licitar-los, els equips havien d'incloure professors de Cornell d'almenys dues universitats, garantint la col·laboració entre campus.
"Aquests projectes de recerca representen l'apassionant potencial de les eines digitals, com ara models computacionals, sistemes robòtics, intel·ligència artificial i 'Internet de les coses', per transformar l'agricultura en cada pas del procés de producció d'aliments", va dir. Susan McCouch, la professora Barbara McClintock de millora vegetal i genètica i la directora de la Iniciativa de Cornell per a l'Agricultura Digital (CIDA). "Les col·laboracions interdisciplinàries com aquestes impulsaran les fronteres de la ciència per augmentar la productivitat i la sostenibilitat de l'agricultura i per fomentar una sèrie de descobriments i innovacions pràctiques".
Un grup multidisciplinari de prop de tres dotzenes de professors, presidit per Renata Ivanek, professora associada del Departament de Medicina de la Població i Ciències Diagnòstiques del CVM, va seleccionar els vuit projectes entre 31 propostes. El finançament dels premis prové del Fons d'Innovació en Recerca de l'ACDI i del programa Hatch Act del Departament d'Agricultura dels EUA.
Els projectes:
Millorar el rendiment de maduixes mitjançant pol·linitzadors autòctons i robòtics: Kirstin Petersen, professora ajudant d'enginyeria elèctrica i informàtica; i Scott McArt, professor ajudant d'entomologia. El seu treball integrarà el seguiment automatitzat de pol·linitzadors salvatges i gestionats amb pol·linització robòtica, establint les bases per a un sistema biològic-híbrid que pugui observar, predir i millorar el rendiment dels cultius. Els investigadors desenvoluparan trampes de càmeres d'insectes duradores i de baixa potència, utilitzaran drons per a una pol·linització creuada ràpida i crearan models de creixement que es puguin transmetre a un agricultor mitjançant una aplicació en línia.
Nova robòtica del sòl i detecció per al fenotipat de l'arrel del sòl de l'eficàcia de l'ús de l'aigua: Taryn Bauerle, professora associada a la School of Integrative Plant Science (SIPS); Robert Shepherd, professor associat a la Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, professor de Liberty Hyde Bailey i professor associat de reproducció molecular i genètica a SIPS; Johannes Lehmann, professor de ciències del sòl i dels cultius a SIPS; i Abraham Stroock, el director de William C. Hooey i Gordon L. Dibble, professor d'Enginyeria Química i Biomolecular. Per accedir a informació en temps real sobre la disponibilitat i el flux d'aigua al sòl al voltant de les arrels de les plantes, els investigadors desenvoluparan una estratègia de detecció i un robot que neda el sòl per explorar de manera semiautònoma la zona de les arrels.
Models computacionals basats en microbioma i eines de suport a la decisió per predir el deteriorament dels productes frescos: els espinacs com a sistema model: Martin Wiedmann, el professor de seguretat alimentària de la família Gellert; i Ivanek. Els investigadors desenvoluparan un model computacional d'interaccions i pertorbacions del microbioma durant el processament, el transport i la venda al detall per predir la vida útil dels espinacs frescos.
Diagnòstic d'estrès accelerat i automatitzat en pomeres: Awais Khan, professor associat de SIPS a Cornell AgriTech; Serge Belongie, professor d'informàtica a Cornell Tech; i Noah Snavely, professor associat d'informàtica a Cornell Tech. Combinant l'experiència en patologia vegetal, fenotipat i visió per ordinador, l'equip crearà conjunts de dades de malalties anotades per experts per a pomes, liderarà una competició global de reptes per trobar solucions noves per a la classificació i quantificació de malalties, desenvoluparà models de visió per ordinador per distingir amb precisió entre els símptomes de moltes malalties. malalties i desenvolupar aplicacions fàcils d'utilitzar per donar suport als productors de poma.
Cultiu de carboni: combinant intel·ligència de màquines, grans dades i models de processos per donar suport a aquest sector emergent: Lehmann i Fengqi You, el professor Roxanne E. i Michael J. Zak en Enginyeria de Sistemes Energètics a la Smith School of Chemical and Biomolecular Engineering. Aquest projecte té com a objectiu millorar la predicció precisa del carboni orgànic del sòl combinant el modelatge del procés del sòl amb l'aprenentatge automàtic, l'aprenentatge profund i el big data per crear una plataforma per impulsar polítiques i inversions basades en l'evidència en la salut del sòl i la mitigació del canvi climàtic.
Plataforma de fenotipat d'alta resolució orientada a funcions per deduir relacions genètica-funcions en el rizomicrobioma per promoure la utilització de nutrients de les plantes: April Gu, professora d'enginyeria civil i ambiental; Jenny Kao-Kniffin, professora associada a SIPS; i Kilian Weinberger, professor associat d'informàtica. Els investigadors desenvoluparan una innovadora plataforma tecnològica de fenotipat-genotipat que els permetrà construir una instal·lació de fenotipat agrícola de classe mundial a Cornell, per tal de descobrir i perfilar nous microorganismes beneficiosos per als cultius.
Sensors digitals escalables dels cels i els sòls: un enfocament d'Internet de les coses per millorar les previsions meteorològiques a escala agrícola de calor extrema, sequera i pluges: Toby Ault, professor ajudant de ciències de la terra i de l'atmosfera; i Max Zhang, professor associat al MAE. Utilitzant un Internet sense fil de les coses existent, els investigadors controlaran i pronosticaran variables clau per predir el temps extrem a nivell estatal, comarcal i granja per proporcionar als productors d'aliments un conjunt d'eines per predir els perills.
Desenvolupament de models predictius per detectar amb precisió mastitis subclíniques i clíniques en vaques lleteres munyides amb sistemes de munyir automatitzats: Rick Watters, associat sènior d'extensió a CVM i director del Laboratori occidental de Quality Milk Production Services; i Kristan Reed, professora ajudant de ciència animal. Utilitzant dades com ara el rendiment de llet, el temps de munyida i el temps entre visites de munyida, els investigadors desenvoluparan un algorisme per predir la mastitis a les vaques lleteres.
- Melanie Lefkowitz, Universitat de Cornell
Els projectes que van des d'un robot que neda el sòl que pot detectar les condicions a la zona arrel en temps real fins a models computacionals que poden predir el deteriorament dels productes van rebre fons inicials del nou Fons d'Innovació en Recerca de la Iniciativa de Cornell per a l'Agricultura Digital. A dalt, un dron a la Granja de Recerca de Musgrave, que és portat al camp pels estudiants del laboratori del professor Micheal Gore. Foto: Allison Usavage