โครงการต่างๆ ตั้งแต่หุ่นยนต์ว่ายน้ำในดินที่สามารถตรวจจับสภาวะในโซนรากได้แบบเรียลไทม์ ไปจนถึงแบบจำลองการคำนวณที่สามารถคาดการณ์การเน่าเสียของผลผลิตที่ได้รับทุนเมล็ดพันธุ์จาก ความคิดริเริ่มของ Cornell เพื่อการเกษตรดิจิทัลกองทุนนวัตกรรมการวิจัยแห่งใหม่
ทีมนักวิจัยจากสหวิทยาการแปดทีม - จากวิทยาลัยเกษตรและวิทยาศาสตร์เพื่อชีวิต, วิทยาลัยวิศวกรรมศาสตร์, คอมพิวเตอร์และสารสนเทศ, Cornell Tech และวิทยาลัยสัตวแพทยศาสตร์ (CVM) - จะได้รับรางวัลสามปีสูงถึง $ 225,000 ในการสมัคร ทีมจำเป็นต้องรวมคณาจารย์ของ Cornell จากวิทยาลัยอย่างน้อยสองแห่ง เพื่อให้แน่ใจว่ามีการทำงานร่วมกันข้ามวิทยาเขต
“โครงการวิจัยเหล่านี้แสดงถึงศักยภาพที่น่าตื่นเต้นของเครื่องมือดิจิทัล เช่น แบบจำลองคอมพิวเตอร์ ระบบหุ่นยนต์ ปัญญาประดิษฐ์ และ 'อินเทอร์เน็ตในทุกสิ่ง' เพื่อเปลี่ยนแปลงการเกษตรในทุกขั้นตอนของกระบวนการผลิตอาหาร” กล่าว ซูซาน แมคคูชศาสตราจารย์ด้านการปรับปรุงพันธุ์พืชและพันธุศาสตร์ของ Barbara McClintock และผู้อำนวยการ Cornell Initiative for Digital Agriculture (CIDA) “ความร่วมมือแบบสหวิทยาการเช่นนี้จะผลักดันขอบเขตของวิทยาศาสตร์เพื่อเพิ่มผลผลิตและความยั่งยืนของการเกษตร และเพื่อส่งเสริมการค้นพบและนวัตกรรมเชิงปฏิบัติ”
กลุ่มสหสาขาวิชาชีพที่มีคณาจารย์เกือบสามโหล มี Renata Ivanek เป็นประธาน รองศาสตราจารย์ในภาควิชาเวชศาสตร์ประชากรและวิทยาศาสตร์การวินิจฉัยใน CVM ได้เลือกโครงการทั้ง 31 โครงการจากข้อเสนอ XNUMX ข้อ เงินทุนสำหรับรางวัลนี้มาจากกองทุนนวัตกรรมการวิจัย CIDA และโครงการพระราชบัญญัติฟักไข่ของกระทรวงเกษตรของสหรัฐอเมริกา
โครงการ:
การปรับปรุงผลผลิตสตรอเบอรี่ผ่านการผสมเกสรแบบพื้นเมืองและแบบหุ่นยนต์: Kirstin Petersen ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมไฟฟ้าและคอมพิวเตอร์; และ Scott McArt ผู้ช่วยศาสตราจารย์ด้านกีฏวิทยา งานของพวกเขาจะรวมการตรวจสอบอัตโนมัติของแมลงผสมเกสรในป่าและที่มีการจัดการเข้ากับการผสมเกสรด้วยหุ่นยนต์ ซึ่งเป็นการวางรากฐานสำหรับระบบชีวภาพผสมที่สามารถสังเกต ทำนาย และปรับปรุงผลผลิตพืชผล นักวิจัยจะพัฒนากล้องดักจับแมลงที่ทนทานและใช้พลังงานต่ำ ใช้โดรนเพื่อการผสมเกสรข้ามอย่างรวดเร็ว และสร้างแบบจำลองการเติบโตที่สามารถถ่ายทอดไปยังเกษตรกรผ่านแอปออนไลน์
วิทยาการหุ่นยนต์ดินแบบใหม่และการตรวจจับฟีโนไทป์ของดิน-รากของประสิทธิภาพการใช้น้ำ: Taryn Bauerle รองศาสตราจารย์ใน School of Integrative Plant Science (SIPS); Robert Shepherd รองศาสตราจารย์ใน Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, ศาสตราจารย์ Liberty Hyde Bailey และรองศาสตราจารย์ด้านการเพาะพันธุ์โมเลกุลและพันธุศาสตร์ใน SIPS; Johannes Lehmann ศาสตราจารย์ด้านดินและพืชผลใน SIPS; และ Abraham Stroock ผู้อำนวยการ William C. Hooey และ Gordon L. Dibble ศาสตราจารย์ด้านวิศวกรรมเคมีและชีวโมเลกุล ในการเข้าถึงข้อมูลแบบเรียลไทม์เกี่ยวกับความพร้อมใช้งานและการไหลของน้ำในดินรอบ ๆ รากพืช นักวิจัยจะพัฒนากลยุทธ์การตรวจจับและหุ่นยนต์ว่ายน้ำในดินเพื่อสำรวจโซนรากแบบกึ่งอิสระ
แบบจำลองการคำนวณที่ได้รับข้อมูลเกี่ยวกับไมโครไบโอมและเครื่องมือสนับสนุนการตัดสินใจในการทำนายการเน่าเสียของผักผลไม้สด: ผักโขมเป็นระบบแบบจำลอง: Martin Wiedmann ศาสตราจารย์ครอบครัว Gellert ด้านความปลอดภัยด้านอาหาร; และอีวาเน็ค นักวิจัยจะพัฒนาแบบจำลองทางคอมพิวเตอร์ของปฏิสัมพันธ์และการรบกวนของไมโครไบโอมในระหว่างการแปรรูป การขนส่ง และการขายปลีก เพื่อคาดการณ์อายุการเก็บรักษาของผักโขมสด
การวินิจฉัยความเครียดแบบอัตโนมัติและรวดเร็วในสวนแอปเปิ้ล: Awais Khan รองศาสตราจารย์ด้าน SIPS ที่ Cornell AgriTech; Serge Belongie ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ Cornell Tech; และ Noah Snavely รองศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ Cornell Tech การผสมผสานความเชี่ยวชาญด้านโรคพืช ฟีโนไทป์ และการมองเห็นด้วยคอมพิวเตอร์ ทีมงานจะสร้างชุดข้อมูลโรคที่มีคำอธิบายประกอบโดยผู้เชี่ยวชาญสำหรับแอปเปิ้ล นำการแข่งขันที่ท้าทายระดับโลกเพื่อค้นหาวิธีแก้ปัญหาใหม่สำหรับการจำแนกโรคและปริมาณ พัฒนาโมเดลการมองเห็นด้วยคอมพิวเตอร์เพื่อแยกความแตกต่างระหว่างอาการต่างๆ ได้อย่างแม่นยำ โรคและพัฒนาแอพที่เป็นมิตรต่อผู้ใช้เพื่อสนับสนุนผู้ปลูกแอปเปิ้ล
การทำฟาร์มคาร์บอน: การรวมระบบอัจฉริยะของเครื่องจักร ข้อมูลขนาดใหญ่ และแบบจำลองกระบวนการเพื่อสนับสนุนภาคส่วนที่เกิดขึ้นใหม่นี้: Lehmann และ Fengqi You, Roxanne E. และ Michael J. Zak ศาสตราจารย์ด้านวิศวกรรมระบบพลังงานใน Smith School of Chemical and Biomolecular Engineering โปรเจ็กต์นี้มีจุดมุ่งหมายเพื่อปรับปรุงการทำนายที่แม่นยำของคาร์บอนอินทรีย์ในดิน โดยผสมผสานการสร้างแบบจำลองกระบวนการดินกับการเรียนรู้ด้วยเครื่อง การเรียนรู้เชิงลึกและข้อมูลขนาดใหญ่เพื่อสร้างแพลตฟอร์มเพื่อขับเคลื่อนนโยบายตามหลักฐานและการลงทุนในด้านสุขภาพดินและการบรรเทาการเปลี่ยนแปลงสภาพภูมิอากาศ
แพลตฟอร์มฟีโนไทป์ความละเอียดสูงที่กำหนดเป้าหมายตามหน้าที่เพื่ออนุมานความสัมพันธ์ระหว่างหน้าที่และหน้าที่ทางพันธุศาสตร์ในไรโซไมโครไบโอมเพื่อส่งเสริมการใช้ธาตุอาหารพืช: April Gu ศาสตราจารย์ด้านวิศวกรรมโยธาและสิ่งแวดล้อม; Jenny Kao-Kniffin รองศาสตราจารย์ด้าน SIPS; และ Kilian Weinberger รองศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ นักวิจัยจะพัฒนาแพลตฟอร์มเทคโนโลยี phenotyping-genotyping ที่เป็นนวัตกรรมใหม่ซึ่งจะช่วยให้พวกเขาสร้างสิ่งอำนวยความสะดวกในการสร้างฟีโนไทป์ทางการเกษตรระดับโลกที่ Cornell เพื่อค้นพบและระบุจุลินทรีย์ใหม่ที่เป็นประโยชน์ต่อพืชผล
เซ็นเซอร์ดิจิทัลที่ปรับขนาดได้ของท้องฟ้าและดิน: แนวทางของ Internet of Things เพื่อปรับปรุงการพยากรณ์อากาศในระดับฟาร์มในเรื่องความร้อนจัด ภัยแล้ง และปริมาณน้ำฝน: Toby Ault ผู้ช่วยศาสตราจารย์ด้านวิทยาศาสตร์โลกและบรรยากาศ; และ Max Zhang รองศาสตราจารย์ในแม่ นักวิจัยจะติดตามและคาดการณ์ตัวแปรสำคัญสำหรับการคาดการณ์สภาพอากาศที่รุนแรงในระดับรัฐ เคาน์ตี และฟาร์มโดยใช้อินเทอร์เน็ตไร้สายที่มีอยู่ เพื่อจัดหาชุดเครื่องมือสำหรับคาดการณ์อันตรายแก่ผู้ผลิตอาหาร
การพัฒนาแบบจำลองการคาดการณ์เพื่อตรวจหาเต้านมอักเสบแบบไม่แสดงอาการและทางคลินิกได้อย่างแม่นยำในโคนมที่รีดนมด้วยระบบการรีดนมอัตโนมัติ: Rick Watters ผู้ช่วยอาวุโสใน CVM และผู้อำนวยการ Quality Milk Production Services Western Laboratory; และ Kristan Reed ผู้ช่วยศาสตราจารย์ด้านสัตวศาสตร์ นักวิจัยจะพัฒนาอัลกอริธึมในการทำนายเต้านมอักเสบในโคนมโดยใช้ข้อมูล เช่น ผลผลิตนม เวลารีดนม และเวลาระหว่างการเยี่ยมรีดนม
- Melanie Lefkowitz มหาวิทยาลัยคอร์เนล
โครงการต่างๆ ตั้งแต่หุ่นยนต์ว่ายน้ำในดินที่สามารถรับรู้สภาวะในโซนรากในแบบเรียลไทม์ ไปจนถึงแบบจำลองการคำนวณที่สามารถคาดการณ์การเน่าเสียของผลผลิตที่ได้รับกองทุนเมล็ดพันธุ์จาก Cornell Initiative for Digital Agriculture's Research Innovation Fund ด้านบน โดรนที่ Musgrave Research Farm ถูกนำตัวไปที่สนามโดยนักศึกษาในห้องทดลองของ Professor Micheal Gore ภาพถ่าย: “Allison Usavage”