Proyek mulai dari robot perenang tanah yang dapat merasakan kondisi di zona akar secara real time hingga model komputasi yang dapat memprediksi pembusukan menghasilkan dana awal yang diterima dari Inisiatif Cornell untuk Pertanian DigitalDana Inovasi Penelitian baru.
Delapan tim peneliti interdisipliner – dari Fakultas Pertanian dan Ilmu Hayati, Fakultas Teknik, Ilmu Komputer dan Informasi, Cornell Tech dan Fakultas Kedokteran Hewan (CVM) – akan menerima penghargaan tiga tahun hingga $225,000. Untuk mendaftar, tim harus menyertakan anggota fakultas Cornell dari setidaknya dua perguruan tinggi, memastikan kolaborasi lintas kampus.
“Proyek penelitian ini mewakili potensi menarik dari alat digital, seperti model komputasi, sistem robot, kecerdasan buatan, dan 'internet of things,' untuk mengubah pertanian di setiap langkah proses produksi pangan,” kata Susan McCouch, Profesor Pemuliaan Tanaman dan Genetika Barbara McClintock dan direktur Inisiatif Cornell untuk Pertanian Digital (CIDA). “Kolaborasi interdisipliner seperti ini akan mendorong batas ilmu pengetahuan untuk meningkatkan produktivitas dan keberlanjutan pertanian, dan untuk mendorong jalur penemuan dan inovasi praktis.”
Sebuah kelompok multidisiplin dari hampir tiga lusin anggota fakultas, diketuai oleh Renata Ivanek, profesor di Departemen Kedokteran Kependudukan dan Ilmu Diagnostik di CVM, memilih delapan proyek dari 31 proposal. Pendanaan untuk penghargaan ini berasal dari Dana Inovasi Penelitian CIDA dan program Undang-Undang Penetasan Departemen Pertanian AS.
Proyek:
Meningkatkan hasil stroberi melalui penyerbuk asli dan robotik: Kirstin Petersen, asisten profesor teknik listrik dan komputer; dan Scott McArt, asisten profesor entomologi. Pekerjaan mereka akan mengintegrasikan pemantauan otomatis penyerbuk liar dan yang dikelola dengan penyerbukan robot, meletakkan dasar bagi sistem hibrida biologis yang dapat mengamati, memprediksi, dan meningkatkan hasil panen. Para peneliti akan mengembangkan perangkap kamera serangga yang tahan lama dan berdaya rendah, menggunakan drone untuk penyerbukan silang yang cepat dan membuat model pertumbuhan yang dapat disampaikan kepada petani melalui aplikasi online.
Robotika tanah baru dan penginderaan untuk fenotip akar tanah dari efektivitas penggunaan air: Taryn Bauerle, profesor di Sekolah Ilmu Tanaman Integratif (SIPS); Robert Shepherd, profesor di Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, Profesor Liberty Hyde Bailey dan profesor pembiakan molekuler dan genetika di SIPS; Johannes Lehmann, profesor ilmu tanah dan tanaman di SIPS; dan Abraham Stroock, Direktur William C. Hooey dan Gordon L. Dibble, profesor Teknik Kimia dan Biomolekuler. Untuk mengakses informasi real-time tentang ketersediaan dan aliran air di tanah di sekitar akar tanaman, para peneliti akan mengembangkan strategi penginderaan dan robot perenang tanah untuk menjelajahi zona akar secara semi-otonom.
Model komputasi yang diinformasikan mikrobioma dan alat pendukung keputusan untuk memprediksi pembusukan produk segar: bayam sebagai sistem model: Martin Wiedmann, Profesor Keluarga Gellert dalam Keamanan Pangan; dan Ivanek. Para peneliti akan mengembangkan model komputasi interaksi mikrobioma dan gangguan selama pemrosesan, transportasi dan ritel untuk memprediksi umur simpan bayam segar.
Diagnostik stres yang dipercepat dan otomatis di kebun apel: Awais Khan, profesor di SIPS di Cornell AgriTech; Serge Belongie, profesor ilmu komputer di Cornell Tech; dan Noah Snavely, profesor ilmu komputer di Cornell Tech. Menggabungkan keahlian dalam patologi tanaman, fenotip, dan visi komputer, tim akan membuat kumpulan data penyakit beranotasi ahli untuk apel, memimpin kompetisi tantangan global untuk menemukan solusi baru untuk klasifikasi dan kuantifikasi penyakit, mengembangkan model visi komputer untuk membedakan secara akurat antara gejala banyak penyakit. penyakit, dan mengembangkan aplikasi yang mudah digunakan untuk mendukung petani apel.
Pertanian karbon: Menggabungkan kecerdasan mesin, data besar, dan model proses untuk mendukung sektor yang sedang berkembang ini: Lehmann dan Fengqi You, Profesor Roxanne E. dan Michael J. Zak dalam Rekayasa Sistem Energi di Sekolah Teknik Kimia dan Biomolekuler Smith. Proyek ini bertujuan untuk meningkatkan prediksi akurat karbon organik tanah dengan menggabungkan pemodelan proses tanah dengan pembelajaran mesin, pembelajaran mendalam, dan data besar untuk menciptakan platform untuk mendorong kebijakan dan investasi berbasis bukti dalam kesehatan tanah dan mitigasi perubahan iklim.
Platform fenotip resolusi tinggi yang ditargetkan fungsi untuk menyimpulkan hubungan fungsi-fungsi genetika dalam rhizomicrobiome untuk mempromosikan pemanfaatan nutrisi tanaman: April Gu, profesor teknik sipil dan lingkungan; Jenny Kao-Kniffin, profesor di SIPS; dan Kilian Weinberger, profesor ilmu komputer. Para peneliti akan mengembangkan platform teknologi fenotip-genotipe inovatif yang memungkinkan mereka membangun fasilitas fenotip pertanian kelas dunia di Cornell, untuk menemukan dan membuat profil mikroorganisme baru yang bermanfaat bagi tanaman.
Sensor digital langit dan tanah yang dapat diskalakan: Pendekatan internet of things untuk meningkatkan prakiraan cuaca skala pertanian dari panas ekstrem, kekeringan, dan curah hujan: Toby Ault, asisten profesor ilmu bumi dan atmosfer; dan Max Zhang, profesor di MAE. Dengan menggunakan internet nirkabel yang sudah ada, para peneliti akan memantau dan memperkirakan variabel kunci untuk memprediksi cuaca ekstrem di tingkat negara bagian, kabupaten, dan pertanian untuk menyediakan alat bagi produsen makanan untuk memprediksi bahaya.
Pengembangan model prediktif untuk mendeteksi mastitis subklinis dan klinis secara akurat pada sapi perah yang diperah dengan sistem pemerahan otomatis: Rick Watters, rekan ekstensi senior di CVM dan direktur Quality Milk Production Services Western Laboratory; dan Kristan Reed, asisten profesor ilmu hewan. Menggunakan data seperti hasil susu, waktu pemerahan dan waktu antara kunjungan pemerahan, para peneliti akan mengembangkan algoritma untuk memprediksi mastitis pada sapi perah.
- Melanie Lefkowitz, Universitas Cornell
Proyek mulai dari robot perenang tanah yang dapat merasakan kondisi di zona akar secara real time hingga model komputasi yang dapat memprediksi pembusukan hasil menerima dana awal dari Dana Inovasi Penelitian baru dari Cornell Initiative for Digital Agriculture. Di atas, sebuah drone di Musgrave Research Farm, dibawa ke lapangan oleh para mahasiswa di lab Profesor Michael Gore. Foto: Allison Usavage