Նախագծեր՝ սկսած հողը լողացող ռոբոտից, որը կարող է իրական ժամանակում զգալ պայմանները արմատային գոտում մինչև հաշվողական մոդելներ, որոնք կարող են կանխատեսել արտադրանքի փչացումը, ստացված սերմերի ֆոնդը: Քորնելի նախաձեռնություն թվային գյուղատնտեսության համարՀետազոտությունների նորարարության նոր հիմնադրամը:
Հետազոտողների ութ միջդիսցիպլինար թիմեր՝ Գյուղատնտեսության և կենսաբանական գիտությունների քոլեջից, ճարտարագիտության, հաշվողական և տեղեկատվական գիտությունների քոլեջից, Cornell Tech-ից և անասնաբուժական բժշկության քոլեջից (CVM), կստանան մինչև 225,000 ԱՄՆ դոլարի եռամյա մրցանակներ: Դիմելու համար թիմերը պետք է ընդգրկեին Քորնելի պրոֆեսորադասախոսական կազմի անդամներ առնվազն երկու քոլեջներից՝ ապահովելով միջհամալսարանային համագործակցությունը:
«Այս հետազոտական նախագծերը ներկայացնում են թվային գործիքների հուզիչ ներուժը, ինչպիսիք են հաշվողական մոդելները, ռոբոտային համակարգերը, արհեստական ինտելեկտը և «իրերի ինտերնետը», գյուղատնտեսությունը փոխակերպելու սննդամթերքի արտադրության գործընթացի ամեն քայլափոխի», - ասաց. Սյուզան Մաքքաուչ, Բուսաբուծության և գենետիկայի պրոֆեսոր Բարբարա ՄակՔլինթոքը և Թվային գյուղատնտեսության Քորնելի նախաձեռնության (CIDA) տնօրենը։ «Նման միջառարկայական համագործակցությունները կխթանեն գիտության սահմանները՝ բարձրացնելու գյուղատնտեսության արտադրողականությունն ու կայունությունը, ինչպես նաև խթանելու բացահայտումների և գործնական նորարարությունների խողովակաշարը»:
Մոտ երեք տասնյակ պրոֆեսորադասախոսական կազմի բազմամասնագիտական խումբը, որը ղեկավարում էր Ռենատա Իվանեկը՝ CVM-ի Բնակչության բժշկության և ախտորոշման գիտությունների ամբիոնի դոցենտը, ընտրեց ութ նախագծերը 31 առաջարկներից: Մրցանակների ֆինանսավորումը ստացվում է CIDA Research Innovation Fund-ից և ԱՄՆ Գյուղատնտեսության նախարարության Hatch Act ծրագրից:
Նախագծերը.
Ելակի բերքատվության բարելավում տեղական և ռոբոտային փոշոտիչների միջոցով. Կիրստին Պետերսեն, էլեկտրատեխնիկայի և համակարգչային տեխնիկայի ասիստենտ; և միջատաբանության ասիստենտ Սքոթ ՄաքԱրտը: Նրանց աշխատանքը կմիավորի վայրի և կառավարվող փոշոտիչների ավտոմատ մոնիտորինգը ռոբոտային փոշոտման հետ՝ հիմք դնելով կենսաբանական-հիբրիդային համակարգի համար, որը կարող է դիտարկել, կանխատեսել և բարելավել մշակաբույսերի բերքատվությունը: Հետազոտողները կմշակեն դիմացկուն և ցածր էներգիայի միջատների տեսախցիկի թակարդներ, կօգտագործեն դրոններ արագ խաչաձև փոշոտման համար և կստեղծեն աճի մոդելներ, որոնք կարող են փոխանցվել ֆերմերին առցանց հավելվածի միջոցով:
Հողի նոր ռոբոտաշինություն և ջրօգտագործման արդյունավետության հող-արմատային ֆենոտիպավորման սենսացիա. Տարին Բաուերլե, Ինտեգրատիվ բույսերի գիտության դպրոցի (SIPS) դոցենտ; Ռոբերտ Շեփերդ, Սիբլիի մեխանիկական և օդատիեզերական ճարտարագիտության դպրոցի (MAE) դոցենտ; Մայք Գոր, Լիբերթի Հայդ Բեյլի պրոֆեսոր և SIPS-ում մոլեկուլային բուծման և գենետիկայի դոցենտ; Յոհաննես Լեմանը, SIPS-ում հողի և մշակաբույսերի գիտությունների պրոֆեսոր; և Աբրահամ Ստրոկը, Ուիլյամ Ք. Հուի տնօրենը և Գորդոն Լ. Դիբլը, քիմիական և կենսամոլեկուլային ճարտարագիտության պրոֆեսոր: Բույսերի արմատների շուրջ հողում ջրի առկայության և հոսքի մասին իրական ժամանակում տեղեկատվություն ստանալու համար հետազոտողները կմշակեն զգայող ռազմավարություն և հողը լողացող ռոբոտ՝ կիսաինքնավարորեն ուսումնասիրելու արմատային գոտին:
Միկրոբիոմի վրա հիմնված հաշվողական մոդելներ և որոշումների աջակցման գործիքներ՝ թարմ արտադրանքի փչացումը կանխատեսելու համար. սպանախը որպես մոդելային համակարգ. Մարտին Վիդմանը, Գելերտի ընտանիքի պրոֆեսոր սննդի անվտանգության ոլորտում; և Իվանեկը։ Հետազոտողները մշակելու են մշակման, տեղափոխման և մանրածախ վաճառքի ընթացքում միկրոբիոմի փոխազդեցությունների և շեղումների հաշվողական մոդել՝ կանխատեսելու թարմ սպանախի պահպանման ժամկետը:
Խնձորի այգիներում սթրեսի արագացված և ավտոմատացված ախտորոշում. Ավայս Խան, SIPS-ի դոցենտ Cornell AgriTech-ում; Սերժ Բելոնգի, Cornell Tech-ի համակարգչային գիտության պրոֆեսոր; և Նոա Սնավելին, համակարգչային գիտության դոցենտ Cornell Tech-ում: Համատեղելով բույսերի պաթոլոգիայի, ֆենոտիպավորման և համակարգչային տեսողության փորձը, թիմը կստեղծի խնձորների համար նախատեսված հիվանդությունների տվյալների հավաքածուներ, կառաջնորդի գլոբալ մարտահրավերների մրցույթ՝ գտնելու հիվանդությունների դասակարգման և քանակական նոր լուծումներ, կմշակի համակարգչային տեսողության մոդելներ՝ ճշգրիտ տարբերակելու շատերի ախտանիշները: հիվանդություններ և մշակել օգտագործողի համար հարմար հավելվածներ՝ խնձոր աճեցնողներին աջակցելու համար:
Ածխածնի մշակում. մեքենայական ինտելեկտի, մեծ տվյալների և գործընթացի մոդելների համատեղում այս զարգացող հատվածին աջակցելու համար. Lehmann and Fengqi Դուք, Roxanne E. և Michael J. Zak պրոֆեսոր էներգետիկ համակարգերի ճարտարագիտության մեջ Սմիթի քիմիական և կենսամոլեկուլային ճարտարագիտության դպրոցում: Այս նախագիծը նպատակ ունի բարելավել հողի օրգանական ածխածնի ճշգրիտ կանխատեսումը՝ համատեղելով հողի գործընթացի մոդելավորումը մեքենայական ուսուցման, խորը ուսուցման և մեծ տվյալների հետ՝ ստեղծելու հարթակ՝ փաստերի վրա հիմնված քաղաքականություն և ներդրումներ հողի առողջության և կլիմայի փոփոխության մեղմացման համար:
Ֆունկցիոնալ նպատակաուղղված բարձր լուծաչափի ֆենոտիպային հարթակ՝ ռիզոմիկրոբիոմում գենետիկա-ֆունկցիոնալ հարաբերությունները պարզելու համար՝ բույսերի սննդանյութերի օգտագործումը խթանելու համար. Ապրիլ Գու, քաղաքացիական և բնապահպանական ճարտարագիտության պրոֆեսոր; Jenny Kao-Kniffin, դոցենտ SIPS; և համակարգչային գիտության դոցենտ Կիլիան Վայնբերգերը: Հետազոտողները կմշակեն նորարարական ֆենոտիպավորման-գենոտիպավորման տեխնոլոգիական հարթակ, որը թույլ կտա նրանց կառուցել համաշխարհային կարգի գյուղատնտեսական ֆենոտիպավորման հաստատություն Քորնելում, որպեսզի հայտնաբերեն և պրոֆիլավորեն նոր միկրոօրգանիզմներ, որոնք օգտակար են մշակաբույսերի համար:
Երկնքի և հողի մասշտաբային թվային սենսորներ. Իրերի ինտերնետ մոտեցում՝ բարելավելու ֆերմերային մասշտաբով եղանակի կանխատեսումները ծայրահեղ շոգի, երաշտի և անձրևների վերաբերյալ. Թոբի Օլթ, երկրագնդի և մթնոլորտային գիտությունների ասիստենտ; և Մաքս Ժանգը՝ MAE-ի դոցենտ: Օգտագործելով իրերի գոյություն ունեցող, անլար ինտերնետը՝ հետազոտողները կհետևեն և կկանխատեսեն հիմնական փոփոխականները՝ նահանգի, շրջանի և ֆերմայի մակարդակներում էքստրեմալ եղանակի կանխատեսման համար՝ սննդամթերք արտադրողներին վտանգները կանխատեսելու գործիքակազմ տրամադրելու համար:
Ավտոմատ կթման համակարգերով կթվող կաթնատու կովերի ենթկլինիկական և կլինիկական մաստիտի ճշգրիտ հայտնաբերման կանխատեսող մոդելների մշակում. Ռիկ Ուոթերսը, CVM-ի ավագ մասնագետ և Quality Milk Production Services Western Laboratory-ի տնօրեն; և Քրիստան Ռիդը՝ կենդանագիտության ասիստենտ: Օգտագործելով այնպիսի տվյալներ, ինչպիսիք են կաթնատվությունը, կթելու ժամանակը և կթելու այցելությունների միջև ընկած ժամանակահատվածը, հետազոտողները կմշակեն կաթնատու կովերի մաստիտը կանխատեսելու ալգորիթմ:
- Մելանի Լեֆկովից, Կոռնելի համալսարան
Նախագծեր՝ սկսած հողը լողացող ռոբոտից, որը կարող է իրական ժամանակում զգալ պայմանները արմատային գոտում մինչև հաշվողական մոդելներ, որոնք կարող են կանխատեսել արտադրանքի փչացումը, ստացվել են Cornell Initiative for Digital Agriculture-ի հետազոտական նորարարությունների նոր հիմնադրամի սերմերը: Վերևում անօդաչու թռչող սարքը Musgrave Research Farm-ում, որը դաշտ են տարել պրոֆեսոր Մայքլ Գորի լաբորատորիայի ուսանողները: Լուսանկարը՝ Էլիսոն Ուսավաջ