Các dự án khác nhau, từ robot bơi trong đất có thể cảm nhận các điều kiện ở vùng rễ trong thời gian thực cho đến các mô hình tính toán có thể dự đoán sự hư hỏng của sản phẩm đã nhận được quỹ hạt giống từ Sáng kiến Cornell cho Nông nghiệp Kỹ thuật sốQuỹ đổi mới nghiên cứu mới của
Tám nhóm nhà nghiên cứu liên ngành – từ Trường Cao đẳng Nông nghiệp và Khoa học Đời sống, Trường Cao đẳng Kỹ thuật, Máy tính và Khoa học Thông tin, Cornell Tech và Trường Cao đẳng Thú y (CVM) – sẽ nhận được giải thưởng ba năm lên tới 225,000 USD. Để đăng ký, các nhóm cần bao gồm các giảng viên của Cornell từ ít nhất hai trường đại học, đảm bảo sự hợp tác giữa các trường.
“Những dự án nghiên cứu này thể hiện tiềm năng thú vị của các công cụ kỹ thuật số, chẳng hạn như mô hình tính toán, hệ thống robot, trí tuệ nhân tạo và 'internet vạn vật', để biến đổi nền nông nghiệp ở mọi bước của quy trình sản xuất thực phẩm," cho biết. Susan McCouch, Giáo sư về Nhân giống và Di truyền Thực vật Barbara McClintock và giám đốc Sáng kiến Nông nghiệp Kỹ thuật số Cornell (CIDA). “Sự hợp tác liên ngành như thế này sẽ thúc đẩy các giới hạn của khoa học nhằm tăng năng suất và tính bền vững của nông nghiệp, đồng thời thúc đẩy quá trình khám phá và đổi mới thực tế.”
Một nhóm đa ngành gồm gần ba chục giảng viên, do Renata Ivanek, phó giáo sư tại Khoa Y học Dân số và Khoa học Chẩn đoán tại CVM chủ trì, đã chọn 31 dự án từ XNUMX đề xuất. Nguồn tài trợ cho giải thưởng đến từ Quỹ đổi mới nghiên cứu CIDA và chương trình Đạo luật nở của Bộ Nông nghiệp Hoa Kỳ.
Các dự án:
Cải thiện năng suất dâu tây thông qua các loài thụ phấn bản địa và robot: Kirstin Petersen, trợ lý giáo sư kỹ thuật điện và máy tính; và Scott McArt, trợ lý giáo sư côn trùng học. Công việc của họ sẽ tích hợp giám sát tự động các loài thụ phấn hoang dã và được quản lý với quá trình thụ phấn bằng robot, đặt nền móng cho một hệ thống lai sinh học có thể quan sát, dự đoán và cải thiện năng suất cây trồng. Các nhà nghiên cứu sẽ phát triển bẫy camera côn trùng bền bỉ và tiêu thụ điện năng thấp, sử dụng máy bay không người lái để thụ phấn chéo nhanh chóng và tạo ra các mô hình tăng trưởng có thể được chuyển đến nông dân thông qua một ứng dụng trực tuyến.
Robot đất mới và cảm biến về kiểu hình rễ đất về hiệu quả sử dụng nước: Taryn Bauerle, phó giáo sư tại Trường Khoa học Thực vật Tích hợp (SIPS); Robert Shepherd, phó giáo sư tại Trường Kỹ thuật Cơ khí và Hàng không Vũ trụ Sibley (MAE); Mike Gore, Giáo sư Liberty Hyde Bailey và phó giáo sư về nhân giống phân tử và di truyền ở SIPS; Johannes Lehmann, giáo sư khoa học đất và cây trồng tại SIPS; và Abraham Stroock, Giám đốc William C. Hooey và Gordon L. Dibble, giáo sư Kỹ thuật Hóa học và Sinh học phân tử. Để truy cập thông tin theo thời gian thực về sự sẵn có và dòng nước trong đất xung quanh rễ cây, các nhà nghiên cứu sẽ phát triển chiến lược cảm biến và robot bơi trong đất để khám phá vùng rễ một cách bán tự động.
Các mô hình tính toán dựa trên vi sinh vật và các công cụ hỗ trợ quyết định để dự đoán mức độ hư hỏng của sản phẩm tươi: rau bina là một hệ thống mô hình: Martin Wiedmann, Giáo sư về An toàn Thực phẩm của Gia đình Gellert; và Ivanek. Các nhà nghiên cứu sẽ phát triển một mô hình tính toán về tương tác và nhiễu loạn của hệ vi sinh vật trong quá trình chế biến, vận chuyển và bán lẻ để dự đoán thời hạn sử dụng của rau bina tươi.
Chẩn đoán căng thẳng tự động và tăng tốc trong vườn táo: Awais Khan, phó giáo sư về SIPS tại Cornell AgriTech; Serge Belongie, giáo sư khoa học máy tính tại Cornell Tech; và Noah Snavely, phó giáo sư khoa học máy tính tại Cornell Tech. Kết hợp chuyên môn về bệnh lý thực vật, kiểu hình và thị giác máy tính, nhóm sẽ tạo ra các bộ dữ liệu về bệnh có chú thích của chuyên gia cho táo, dẫn đầu một cuộc thi thách thức toàn cầu nhằm tìm ra các giải pháp mới để phân loại và định lượng bệnh, phát triển các mô hình thị giác máy tính để phân biệt chính xác các triệu chứng của nhiều loại bệnh. bệnh tật và phát triển các ứng dụng thân thiện với người dùng để hỗ trợ người trồng táo.
Canh tác carbon: Kết hợp trí tuệ máy móc, dữ liệu lớn và các mô hình quy trình để hỗ trợ lĩnh vực mới nổi này: Lehmann và Fengqi You, Giáo sư Roxanne E. và Michael J. Zak về Kỹ thuật Hệ thống Năng lượng tại Trường Kỹ thuật Hóa học và Sinh học Phân tử Smith. Dự án này nhằm mục đích cải thiện khả năng dự đoán chính xác về lượng carbon hữu cơ trong đất bằng cách kết hợp mô hình hóa quá trình đất với học máy, học sâu và dữ liệu lớn để tạo nền tảng thúc đẩy chính sách và đầu tư dựa trên bằng chứng vào sức khỏe đất và giảm thiểu biến đổi khí hậu.
Nền tảng kiểu hình có độ phân giải cao nhắm mục tiêu theo chức năng để suy ra mối quan hệ di truyền-chức năng trong rhizomicrobiome nhằm thúc đẩy việc sử dụng chất dinh dưỡng thực vật: April Gu, giáo sư kỹ thuật dân dụng và môi trường; Jenny Kao-Kniffin, phó giáo sư tại SIPS; và Kilian Weinberger, phó giáo sư khoa học máy tính. Các nhà nghiên cứu sẽ phát triển một nền tảng công nghệ kiểu hình-kiểu gen tiên tiến cho phép họ xây dựng một cơ sở xác định kiểu hình nông nghiệp đẳng cấp thế giới tại Cornell, nhằm khám phá và lập hồ sơ các vi sinh vật mới có lợi cho cây trồng.
Cảm biến kỹ thuật số có thể mở rộng về bầu trời và đất: Phương pháp tiếp cận internet vạn vật để cải thiện dự báo thời tiết ở quy mô trang trại về nhiệt độ cực cao, hạn hán và lượng mưa: Toby Ault, trợ lý giáo sư khoa học trái đất và khí quyển; và Max Zhang, phó giáo sư tại MAE. Bằng cách sử dụng Internet vạn vật không dây hiện có, các nhà nghiên cứu sẽ theo dõi và dự báo các biến số chính để dự đoán thời tiết khắc nghiệt ở cấp tiểu bang, quận và trang trại nhằm cung cấp cho các nhà sản xuất thực phẩm một bộ công cụ dự đoán các mối nguy hiểm.
Xây dựng mô hình dự báo phát hiện chính xác bệnh viêm vú cận lâm sàng và lâm sàng ở bò sữa được vắt sữa bằng hệ thống vắt sữa tự động: Rick Watters, cộng tác viên khuyến nông cấp cao tại CVM và giám đốc Phòng thí nghiệm phương Tây về Dịch vụ Sản xuất Sữa Chất lượng; và Kristan Reed, trợ lý giáo sư khoa học động vật. Sử dụng các dữ liệu như sản lượng sữa, thời gian vắt sữa và thời gian giữa các lần vắt sữa, các nhà nghiên cứu sẽ phát triển thuật toán dự đoán bệnh viêm vú ở bò sữa.
– Melanie Lefkowitz, Đại học Cornell
Các dự án khác nhau, từ robot bơi trong đất có thể cảm nhận các điều kiện ở vùng rễ trong thời gian thực đến các mô hình tính toán có thể dự đoán sự hư hỏng của sản phẩm đã nhận được vốn hạt giống từ Quỹ Đổi mới Nghiên cứu mới của Sáng kiến Nông nghiệp Kỹ thuật số Cornell. Ở trên, một máy bay không người lái tại Trang trại Nghiên cứu Musgrave, được các sinh viên trong phòng thí nghiệm của Giáo sư Micheal Gore đưa ra hiện trường. Ảnh: Allison Usavage