Projekte, die von einem im Boden schwimmenden Roboter reichen, der die Bedingungen in der Wurzelzone in Echtzeit erfassen kann, bis hin zu Computermodellen, die den Verderb von Produkten vorhersagen können, erhielten Startkapital von der Cornell-Initiative für digitale Landwirtschaft's neuer Forschungsinnovationsfonds.
Acht interdisziplinäre Forscherteams – vom College of Agriculture and Life Sciences, dem College of Engineering, Computing and Information Science, Cornell Tech und dem College of Veterinary Medicine (CVM) – erhalten dreijährige Auszeichnungen in Höhe von bis zu 225,000 US-Dollar. Um sich zu bewerben, mussten die Teams Cornell-Fakultätsmitglieder von mindestens zwei Colleges umfassen, um eine campusübergreifende Zusammenarbeit sicherzustellen.
„Diese Forschungsprojekte repräsentieren das aufregende Potenzial digitaler Werkzeuge wie Rechenmodelle, Robotersysteme, künstliche Intelligenz und das „Internet der Dinge“, um die Landwirtschaft in jedem Schritt des Lebensmittelproduktionsprozesses zu verändern“, sagte er Susan McCouch, die Barbara McClintock Professorin für Pflanzenzüchtung und Genetik und die Direktorin der Cornell Initiative for Digital Agriculture (CIDA). „Interdisziplinäre Kooperationen wie diese werden die Grenzen der Wissenschaft erweitern, um die Produktivität und Nachhaltigkeit der Landwirtschaft zu steigern und eine Pipeline von Entdeckungen und praktischen Innovationen zu fördern.“
Eine multidisziplinäre Gruppe von fast drei Dutzend Fakultätsmitgliedern unter dem Vorsitz von Renata Ivanek, außerordentliche Professorin in der Abteilung für Bevölkerungsmedizin und diagnostische Wissenschaften am CVM, wählte die acht Projekte aus 31 Vorschlägen aus. Die Finanzierung der Auszeichnungen erfolgt durch den CIDA Research Innovation Fund und das Hatch Act-Programm des US-Landwirtschaftsministeriums.
Die Projekte:
Verbesserung des Erdbeerertrags durch einheimische und Roboterbestäuber: Kirstin Petersen, Assistenzprofessorin für Elektrotechnik und Informationstechnik; und Scott McArt, Assistenzprofessor für Entomologie. Ihre Arbeit wird die automatisierte Überwachung wilder und bewirtschafteter Bestäuber mit der Roboterbestäubung integrieren und so den Grundstein für ein biologisch-hybrides System legen, das den Ernteertrag beobachten, vorhersagen und verbessern kann. Die Forscher werden langlebige und energiesparende Insektenkamerafallen entwickeln, Drohnen für eine schnelle Fremdbestäubung einsetzen und Wachstumsmodelle erstellen, die einem Landwirt über eine Online-App übermittelt werden können.
Neue Bodenrobotik und Sensorik für die Bodenwurzel-Phänotypisierung der Wassernutzungseffektivität: Taryn Bauerle, außerordentliche Professorin an der School of Integrative Plant Science (SIPS); Robert Shepherd, außerordentlicher Professor an der Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Liberty Hyde Bailey Professor und außerordentlicher Professor für molekulare Züchtung und Genetik am SIPS; Johannes Lehmann, Professor für Boden- und Pflanzenwissenschaften am SIPS; und Abraham Stroock, Direktor von William C. Hooey, und Gordon L. Dibble, Professor für Chemie- und Biomolekulartechnik. Um auf Echtzeitinformationen über die Verfügbarkeit und Strömung von Wasser im Boden um Pflanzenwurzeln zugreifen zu können, werden die Forscher eine Sensorstrategie und einen im Boden schwimmenden Roboter entwickeln, um die Wurzelzone halbautonom zu erkunden.
Mikrobiom-informierte Rechenmodelle und Entscheidungshilfen zur Vorhersage des Verderbs von Frischprodukten: Spinat als Modellsystem: Martin Wiedmann, Professor der Familie Gellert für Lebensmittelsicherheit; und Ivanek. Die Forscher werden ein Rechenmodell der Mikrobiom-Wechselwirkungen und -Störungen während der Verarbeitung, des Transports und des Verkaufs entwickeln, um die Haltbarkeit von frischem Spinat vorherzusagen.
Beschleunigte und automatisierte Stressdiagnostik in Apfelplantagen: Awais Khan, außerordentlicher Professor für SIPS bei Cornell AgriTech; Serge Belongie, Professor für Informatik an der Cornell Tech; und Noah Snavely, außerordentlicher Professor für Informatik an der Cornell Tech. Durch die Kombination von Fachwissen in Pflanzenpathologie, Phänotypisierung und Computer Vision wird das Team von Experten kommentierte Krankheitsdatensätze für Äpfel erstellen, einen globalen Herausforderungswettbewerb leiten, um neuartige Lösungen für die Klassifizierung und Quantifizierung von Krankheiten zu finden, und Computer-Vision-Modelle entwickeln, um die Symptome vieler Menschen genau zu unterscheiden Krankheiten und entwickeln benutzerfreundliche Apps zur Unterstützung von Apfelbauern.
Carbon Farming: Kombination von Maschinenintelligenz, Big Data und Prozessmodellen zur Unterstützung dieses aufstrebenden Sektors: Lehmann und Fengqi You, Roxanne E. und Michael J. Zak Professor für Energiesystemtechnik an der Smith School of Chemical and Biomolecular Engineering. Dieses Projekt zielt darauf ab, die genaue Vorhersage des organischen Kohlenstoffs im Boden zu verbessern, indem Bodenprozessmodellierung mit maschinellem Lernen, Deep Learning und Big Data kombiniert wird, um eine Plattform zu schaffen, um eine evidenzbasierte Politik und Investitionen in die Bodengesundheit und den Klimaschutz voranzutreiben.
Funktionsorientierte hochauflösende Phänotypisierungsplattform zur Ableitung von Beziehungen zwischen Genetik und Funktionen im Rhizomikrobiom zur Förderung der Nutzung von Pflanzennährstoffen: April Gu, Professorin für Bau- und Umweltingenieurwesen; Jenny Kao-Kniffin, außerordentliche Professorin am SIPS; und Kilian Weinberger, außerordentlicher Professor für Informatik. Die Forscher werden eine innovative Phänotypisierungs-Genotypisierungs-Technologieplattform entwickeln, die es ihnen ermöglicht, in Cornell eine landwirtschaftliche Phänotypisierungsanlage von Weltklasse zu errichten, um neue Mikroorganismen zu entdecken und zu profilieren, die für Nutzpflanzen von Vorteil sind.
Skalierbare digitale Sensoren des Himmels und des Bodens: Ein Internet-der-Dinge-Ansatz zur Verbesserung von landwirtschaftlichen Wettervorhersagen für extreme Hitze, Dürre und Niederschlag: Toby Ault, Assistenzprofessor für Erd- und Atmosphärenwissenschaften; und Max Zhang, außerordentlicher Professor an der MAE. Unter Verwendung eines bestehenden drahtlosen Internets der Dinge werden die Forscher Schlüsselvariablen für die Vorhersage extremer Wetterbedingungen auf Bundesstaats-, Bezirks- und landwirtschaftlicher Ebene überwachen und prognostizieren, um Lebensmittelherstellern ein Toolkit zur Vorhersage von Gefahren an die Hand zu geben.
Entwicklung von Vorhersagemodellen zur genauen Erkennung subklinischer und klinischer Mastitis bei Milchkühen, die mit automatischen Melksystemen gemolken werden: Rick Watters, Senior Extension Associate bei CVM und Direktor des Quality Milk Production Services Western Laboratory; und Kristan Reed, Assistenzprofessor für Tierwissenschaften. Anhand von Daten wie Milchleistung, Melkzeit und Zeit zwischen Melkbesuchen werden die Forscher einen Algorithmus entwickeln, um Mastitis bei Milchkühen vorherzusagen.
- Melanie Lefkowitz, Cornell University
Projekte, die von einem im Boden schwimmenden Roboter reichen, der die Bedingungen in der Wurzelzone in Echtzeit erfassen kann, bis hin zu Computermodellen, die den Verderb von Produkten vorhersagen können, erhielten Startkapital aus dem neuen Research Innovation Fund der Cornell Initiative for Digital Agriculture. Oben eine Drohne auf der Musgrave Research Farm, die von Studenten im Labor von Professor Micheal Gore ins Feld gebracht wird. Foto: Allison Usavage