Projecten variërend van een in de grond zwemmende robot die de omstandigheden in de wortelzone in realtime kan detecteren tot computermodellen die bederf van producten kunnen voorspellen, ontvingen startkapitaal van de Cornell-initiatief voor digitale landbouw's nieuwe Research Innovation Fund.
Acht interdisciplinaire teams van onderzoekers - van het College of Agriculture and Life Sciences, het College of Engineering, Computing and Information Science, Cornell Tech en het College of Veterinary Medicine (CVM) - ontvangen driejarige prijzen van maximaal $ 225,000. Om te kunnen solliciteren, moesten teams Cornell-faculteitsleden van ten minste twee hogescholen omvatten, om samenwerking tussen de campussen te garanderen.
"Deze onderzoeksprojecten vertegenwoordigen het opwindende potentieel van digitale hulpmiddelen, zoals computermodellen, robotsystemen, kunstmatige intelligentie en het 'internet der dingen', om de landbouw bij elke stap van het voedselproductieproces te transformeren," zei Susan McCouch, de Barbara McClintock hoogleraar plantenveredeling en genetica en de directeur van het Cornell Initiative for Digital Agriculture (CIDA). "Interdisciplinaire samenwerkingen zoals deze zullen de grenzen van de wetenschap verleggen om de productiviteit en duurzaamheid van de landbouw te verhogen en een pijplijn van ontdekkingen en praktische innovaties te bevorderen."
Een multidisciplinaire groep van bijna drie dozijn faculteitsleden, voorgezeten door Renata Ivanek, universitair hoofddocent bij de afdeling Bevolkingsgeneeskunde en Diagnostische Wetenschappen in CVM, selecteerde de acht projecten uit 31 voorstellen. De financiering voor de prijzen is afkomstig van het CIDA Research Innovation Fund en het Hatch Act-programma van het Amerikaanse Department of Agriculture.
De projecten:
Verbetering van de aardbeienopbrengst door inheemse en robotbestuivers: Kirstin Petersen, assistent-professor elektrische en computertechniek; en Scott McArt, assistent-professor entomologie. Hun werk zal geautomatiseerde monitoring van wilde en beheerde bestuivers integreren met robotbestuiving, waardoor de basis wordt gelegd voor een biologisch-hybride systeem dat de gewasopbrengst kan observeren, voorspellen en verbeteren. De onderzoekers gaan duurzame en energiezuinige cameravallen voor insecten ontwikkelen, drones inzetten voor snelle kruisbestuiving en groeimodellen maken die via een online app naar een boer kunnen worden overgebracht.
Nieuwe bodemrobotica en detectie voor bodem-wortelfenotypering van de effectiviteit van watergebruik: Taryn Bauerle, universitair hoofddocent aan de School of Integrative Plant Science (SIPS); Robert Shepherd, universitair hoofddocent aan de Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Liberty Hyde Bailey Professor en universitair hoofddocent moleculaire veredeling en genetica in SIPS; Johannes Lehmann, hoogleraar bodem- en gewaswetenschappen bij SIPS; en Abraham Stroock, de directeur van William C. Hooey en Gordon L. Dibble, hoogleraar Chemische en Biomoleculaire Engineering. Om toegang te krijgen tot realtime informatie over de beschikbaarheid en stroming van water in de bodem rond plantenwortels, zullen de onderzoekers een sensingstrategie en een bodemzwemmende robot ontwikkelen om semi-autonoom de wortelzone te verkennen.
Microbioom-geïnformeerde computermodellen en beslissingsondersteunende tools om bederf van verse producten te voorspellen: spinazie als modelsysteem: Martin Wiedmann, hoogleraar voedselveiligheid van de familie Gellert; en Ivanek. De onderzoekers zullen een computermodel ontwikkelen van microbioominteracties en verstoringen tijdens verwerking, transport en detailhandel om de houdbaarheid van verse spinazie te voorspellen.
Versnelde en geautomatiseerde stressdiagnostiek in appelboomgaarden: Awais Khan, universitair hoofddocent in SIPS bij Cornell AgriTech; Serge Belongie, hoogleraar computerwetenschappen aan Cornell Tech; en Noah Snavely, universitair hoofddocent computerwetenschappen bij Cornell Tech. Door expertise in plantenpathologie, fenotypering en computervisie te combineren, zal het team door experts geannoteerde ziektedatasets voor appels creëren, een wereldwijde uitdagingscompetitie leiden om nieuwe oplossingen voor ziekteclassificatie en kwantificering te vinden, computervisiemodellen ontwikkelen om nauwkeurig onderscheid te maken tussen de symptomen van veel ziekten en gebruiksvriendelijke apps ontwikkelen om appeltelers te ondersteunen.
Koolstoflandbouw: machine-intelligentie, big data en procesmodellen combineren om deze opkomende sector te ondersteunen: Lehmann en Fengqi You, de Roxanne E. en Michael J. Zak Professor in Energy Systems Engineering aan de Smith School of Chemical and Biomolecular Engineering. Dit project heeft tot doel de nauwkeurige voorspelling van organische koolstof in de bodem te verbeteren door bodemprocesmodellering te combineren met machine learning, deep learning en big data om een platform te creëren voor het stimuleren van empirisch onderbouwd beleid en investeringen in bodemgezondheid en mitigatie van klimaatverandering.
Functiegericht fenotyperingsplatform met hoge resolutie om relaties tussen genetica en functies in het rhizomicrobioom af te leiden voor het bevorderen van het gebruik van voedingsstoffen voor planten: April Gu, hoogleraar civiele techniek en milieutechniek; Jenny Kao-Kniffin, universitair hoofddocent bij SIPS; en Kilian Weinberger, universitair hoofddocent informatica. De onderzoekers zullen een innovatief technologieplatform voor fenotypering-genotypering ontwikkelen waarmee ze een agrarische fenotyperingsfaciliteit van wereldklasse kunnen bouwen in Cornell, om nieuwe micro-organismen te ontdekken en te profileren die gunstig zijn voor gewassen.
Schaalbare digitale sensoren van de lucht en de bodem: een internet of things-benadering om de weersvoorspellingen van extreme hitte, droogte en regen op boerderijschaal te verbeteren: Toby Ault, assistent-professor aard- en atmosferische wetenschappen; en Max Zhang, universitair hoofddocent MAE. Met behulp van een bestaand, draadloos internet der dingen, zullen de onderzoekers de belangrijkste variabelen monitoren en voorspellen voor het voorspellen van extreem weer op staats-, provincie- en boerderijniveau om voedselproducenten een toolkit te bieden voor het voorspellen van gevaren.
Ontwikkeling van voorspellende modellen om subklinische en klinische mastitis nauwkeurig te detecteren bij melkkoeien die worden gemolken met geautomatiseerde melksystemen: Rick Watters, senior extensiemedewerker bij CVM en directeur van het Western Laboratory van Quality Milk Production Services; en Kristan Reed, assistent-professor dierwetenschappen. Met data als melkgift, melktijd en tijd tussen melkbeurten gaan de onderzoekers een algoritme ontwikkelen om mastitis bij melkkoeien te voorspellen.
- Melanie Lefkowitz, Cornell Universiteit
Projecten variërend van een in de grond zwemmende robot die de omstandigheden in de wortelzone in realtime kan detecteren tot computermodellen die bederf van producten kunnen voorspellen, ontvingen startkapitaal van het nieuwe Research Innovation Fund van het Cornell Initiative for Digital Agriculture. Hierboven een drone bij Musgrave Research Farm, die door studenten in het laboratorium van professor Micheal Gore naar het veld wordt gebracht. Foto: Allison Usavage