Proyek wiwit saka robot nglangi lemah sing bisa ngerteni kahanan ing zona oyod kanthi wektu nyata nganti model komputasi sing bisa prédhiksi ngasilake rusak sing ditampa saka dana wiji saka Inisiatif Cornell kanggo Pertanian DigitalDana Inovasi Riset anyar.
Wolung tim peneliti interdisipliner - saka College of Agriculture and Life Sciences, College of Engineering, Computing and Information Science, Cornell Tech lan College of Veterinary Medicine (CVM) - bakal nampa penghargaan telung taun nganti $225,000. Kanggo nglamar, tim kudu nyakup anggota fakultas Cornell saka paling ora rong perguruan tinggi, njamin kolaborasi lintas kampus.
"Proyek riset iki nggambarake potensial alat digital, kayata model komputasi, sistem robot, intelijen buatan lan 'internet of things,' kanggo ngowahi pertanian ing saben langkah proses produksi panganan," ujare. Susan McCouch, Profesor Barbara McClintock saka Pemuliaan lan Genetika Tanduran lan direktur Cornell Initiative for Digital Agriculture (CIDA). "Kolaborasi interdisipliner kaya iki bakal nyurung wates ilmu kanggo nambah produktivitas lan kelestarian tetanèn, lan kanggo nuwuhake pipa panemuan lan inovasi praktis."
Klompok multidisiplin saka meh telung rolas anggota fakultas, dipimpin dening Renata Ivanek, profesor asosiasi ing Departemen Kedokteran Populasi lan Ilmu Diagnostik ing CVM, milih wolung proyek saka 31 proposal. Pendanaan kanggo penghargaan kasebut asale saka Dana Inovasi Riset CIDA lan program Undhang-undhang Hatch Departemen Pertanian AS.
Proyek-proyek kasebut:
Ngapikake panen strawberry liwat pollinator asli lan robot: Kirstin Petersen, asisten profesor teknik listrik lan komputer; lan Scott McArt, asisten profesor entomologi. Pakaryane bakal nggabungake pemantauan otomatis saka pollinator liar lan sing dikelola kanthi polinasi robot, nggawe dhasar kanggo sistem hibrida biologis sing bisa mirsani, prédhiksi lan nambah asil panen. Peneliti bakal ngembangake jebakan kamera serangga sing tahan lama lan kurang daya, nggunakake drone kanggo penyerbukan silang kanthi cepet lan nggawe model pertumbuhan sing bisa dikirim menyang petani liwat aplikasi online.
Robotika lemah anyar lan sensing kanggo fenotip lemah-root efektifitas panggunaan banyu: Taryn Bauerle, profesor asosiasi ing School of Integrative Plant Science (SIPS); Robert Shepherd, profesor asosiasi ing Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Profesor Liberty Hyde Bailey lan profesor asosiasi pemuliaan molekuler lan genetika ing SIPS; Johannes Lehmann, profesor ilmu tanah lan tanduran ing SIPS; lan Abraham Stroock, Direktur William C. Hooey lan Gordon L. Dibble, profesor Teknik Kimia lan Biomolekul. Kanggo ngakses informasi wektu nyata babagan kasedhiyan lan aliran banyu ing lemah ing sekitar oyod tanduran, peneliti bakal ngembangake strategi sensing lan robot nglangi lemah kanggo njelajah zona oyod kanthi semi-otonom.
Model komputasi microbiome-informed lan alat dhukungan keputusan kanggo prédhiksi rusak produk seger: bayem minangka sistem model: Martin Wiedmann, Profesor Keluarga Gellert ing Keamanan Pangan; lan Ivanek. Peneliti bakal ngembangake model komputasi interaksi mikrobioma lan gangguan sajrone proses, transportasi lan eceran kanggo prédhiksi umur bayam seger.
Diagnosa stres kanthi cepet lan otomatis ing kebon apel: Awais Khan, profesor asosiasi ing SIPS ing Cornell AgriTech; Serge Belongie, profesor ilmu komputer ing Cornell Tech; lan Noah Snavely, profesor ilmu komputer ing Cornell Tech. Nggabungake keahlian ing patologi tanduran, phenotyping lan visi komputer, tim bakal nggawe set data penyakit kanthi anotasi ahli kanggo apel, mimpin kompetisi tantangan global kanggo nemokake solusi anyar kanggo klasifikasi lan kuantifikasi penyakit, ngembangake model visi komputer kanggo mbedakake kanthi akurat antarane gejala akeh. penyakit, lan ngembangake aplikasi sing ramah pangguna kanggo ndhukung petani apel.
Pertanian karbon: Nggabungake intelijen mesin, data gedhe lan model proses kanggo ndhukung sektor sing berkembang iki: Lehmann lan Fengqi You, ing Roxanne E. lan Michael J. Zak Profesor ing Teknik Sistem Energi ing Sekolah Smith Teknik Kimia lan Biomolekul. Proyek iki nduweni tujuan kanggo nambah prediksi akurat karbon organik lemah kanthi nggabungake model proses lemah karo pembelajaran mesin, sinau jero lan data gedhe kanggo nggawe platform kanggo ngarahake kabijakan lan investasi adhedhasar bukti ing kesehatan lemah lan mitigasi owah-owahan iklim.
Platform fenotip resolusi dhuwur sing ditargetake kanggo fungsi kanggo nyimpulake hubungan fungsi genetik ing rhizomicrobiome kanggo promosi pemanfaatan nutrisi tanduran: April Gu, profesor teknik sipil lan lingkungan; Jenny Kao-Kniffin, profesor asosiasi ing SIPS; lan Kilian Weinberger, profesor ilmu komputer. Para peneliti bakal ngembangake platform teknologi phenotyping-genotyping inovatif sing bakal ngidini dheweke mbangun fasilitas fenotip pertanian kelas donya ing Cornell, supaya bisa nemokake lan nggawe profil mikroorganisme anyar sing migunani kanggo panen.
Sensor digital langit lan lemah sing bisa diukur: Pendekatan internet kanggo nambah prakiraan cuaca skala pertanian babagan panas, kekeringan lan udan sing ekstrem: Toby Ault, asisten profesor ilmu bumi lan atmosfer; lan Max Zhang, profesor asosiasi ing MAE. Nggunakake internet nirkabel sing wis ana, peneliti bakal ngawasi lan ramalan variabel kunci kanggo prédhiksi cuaca ekstrem ing tingkat negara bagian, kabupaten lan peternakan kanggo nyedhiyakake produsen panganan karo toolkit kanggo prédhiksi bebaya.
Pangembangan model prediktif kanggo ndeteksi mastitis subklinis lan klinis kanthi akurat ing sapi perah sing disusu kanthi sistem pemerahan otomatis: Rick Watters, digandhengake extension senior ing CVM lan direktur Quality Milk Production Services Western Laboratory; lan Kristan Reed, asisten profesor ilmu kewan. Nggunakake data kayata ngasilake susu, wektu pemerahan lan wektu antarane kunjungan pemerahan, para peneliti bakal ngembangake algoritma kanggo prédhiksi mastitis ing sapi perah.
- Melanie Lefkowitz, Universitas Cornell
Proyek wiwit saka robot nglangi lemah sing bisa ngerteni kahanan ing zona oyod kanthi wektu nyata nganti model komputasi sing bisa prédhiksi ngasilake dana wiji sing ditampa saka Cornell Initiative for Digital Agriculture's Dana Inovasi Riset anyar. Ndhuwur, drone ing Musgrave Research Farm, digawa menyang lapangan dening siswa ing laboratorium Profesor Micheal Gore. Foto: Allison Usavage