Progetti che vanno da un robot che nuota nel terreno in grado di rilevare le condizioni nella zona delle radici in tempo reale a modelli computazionali in grado di prevedere il deterioramento dei prodotti hanno ricevuto fondi di avviamento dal Iniziativa Cornell per l'agricoltura digitaleil nuovo Fondo per l'innovazione nella ricerca.
Otto team interdisciplinari di ricercatori – provenienti dal College of Agriculture and Life Sciences, dal College of Engineering, Computing and Information Science, Cornell Tech e dal College of Veterinary Medicine (CVM) – riceveranno premi triennali fino a 225,000 dollari. Per candidarsi, i team dovevano includere membri della facoltà della Cornell provenienti da almeno due college, garantendo la collaborazione tra campus.
"Questi progetti di ricerca rappresentano l'entusiasmante potenziale degli strumenti digitali, come modelli computazionali, sistemi robotici, intelligenza artificiale e 'internet delle cose', per trasformare l'agricoltura in ogni fase del processo di produzione alimentare", ha affermato Susan McCouch, la professoressa di selezione vegetale e genetica Barbara McClintock e la direttrice della Cornell Initiative for Digital Agriculture (CIDA). “Collaborazioni interdisciplinari come queste spingeranno le frontiere della scienza per aumentare la produttività e la sostenibilità dell’agricoltura e per favorire un flusso di scoperte e innovazioni pratiche”.
Un gruppo multidisciplinare di quasi tre dozzine di docenti, presieduto da Renata Ivanek, professoressa associata presso il Dipartimento di Medicina della Popolazione e Scienze Diagnostiche del CVM, ha selezionato gli otto progetti tra 31 proposte. Il finanziamento per i premi proviene dal CIDA Research Innovation Fund e dal programma Hatch Act del Dipartimento dell'Agricoltura degli Stati Uniti.
I progetti:
Migliorare la resa delle fragole attraverso impollinatori autoctoni e robotici: Kirstin Petersen, assistente professore di ingegneria elettrica e informatica; e Scott McArt, assistente professore di entomologia. Il loro lavoro integrerà il monitoraggio automatizzato degli impollinatori selvatici e gestiti con l’impollinazione robotica, ponendo le basi per un sistema biologico-ibrido in grado di osservare, prevedere e migliorare la resa dei raccolti. I ricercatori svilupperanno trappole fotografiche per insetti durevoli e a bassa potenza, utilizzeranno droni per una rapida impollinazione incrociata e creeranno modelli di crescita che potranno essere trasmessi a un agricoltore tramite un’app online.
Nuova robotica del suolo e rilevamento per la fenotipizzazione delle radici del suolo dell’efficacia dell’uso dell’acqua: Taryn Bauerle, professore associato presso la School of Integrative Plant Science (SIPS); Robert Shepherd, professore associato alla Sibley School of Mechanical and Aerospace Engineering (MAE); Mike Gore, professore di Liberty Hyde Bailey e professore associato di selezione molecolare e genetica nel SIPS; Johannes Lehmann, professore di scienze del suolo e delle colture alla SIPS; e Abraham Stroock, il direttore di William C. Hooey e Gordon L. Dibble, professore di ingegneria chimica e biomolecolare. Per accedere a informazioni in tempo reale sulla disponibilità e sul flusso dell’acqua nel terreno attorno alle radici delle piante, i ricercatori svilupperanno una strategia di rilevamento e un robot che nuota nel terreno per esplorare in modo semi-autonomo la zona delle radici.
Modelli computazionali basati sul microbioma e strumenti di supporto alle decisioni per prevedere il deterioramento dei prodotti freschi: gli spinaci come sistema modello: Martin Wiedmann, professore di sicurezza alimentare della Famiglia Gellert; e Ivanek. I ricercatori svilupperanno un modello computazionale delle interazioni e delle perturbazioni del microbioma durante la lavorazione, il trasporto e la vendita al dettaglio per prevedere la durata di conservazione degli spinaci freschi.
Diagnostica accelerata e automatizzata dello stress nei meleti: Awais Khan, professore associato di SIPS presso Cornell AgriTech; Serge Belongie, professore di informatica alla Cornell Tech; e Noah Snavely, professore associato di informatica alla Cornell Tech. Combinando competenze in patologia vegetale, fenotipizzazione e visione artificiale, il team creerà set di dati sulle malattie annotati da esperti per le mele, condurrà una competizione globale per trovare nuove soluzioni per la classificazione e la quantificazione delle malattie, svilupperà modelli di visione artificiale per distinguere accuratamente tra i sintomi di molti malattie e sviluppare app di facile utilizzo per supportare i coltivatori di mele.
Carbon farming: combinare intelligenza artificiale, big data e modelli di processo per supportare questo settore emergente: Lehmann e Fengqi You, Roxanne E. e Michael J. Zak Professori di Ingegneria dei Sistemi Energetici presso la Smith School of Chemical and Biomolecular Engineering. Questo progetto mira a migliorare la previsione accurata del carbonio organico nel suolo combinando la modellazione dei processi del suolo con l’apprendimento automatico, l’apprendimento profondo e i big data per creare una piattaforma per guidare politiche basate sull’evidenza e investimenti nella salute del suolo e nella mitigazione dei cambiamenti climatici.
Piattaforma di fenotipizzazione ad alta risoluzione mirata alla funzione per dedurre le relazioni genetica-funzioni nel rizomicrobioma per promuovere l'utilizzo dei nutrienti vegetali: April Gu, professore di ingegneria civile e ambientale; Jenny Kao-Kniffin, professore associato alla SIPS; e Kilian Weinberger, professore associato di informatica. I ricercatori svilupperanno un’innovativa piattaforma tecnologica di fenotipizzazione-genotipizzazione che consentirà loro di costruire un impianto di fenotipizzazione agricola di livello mondiale alla Cornell, al fine di scoprire e profilare nuovi microrganismi benefici per le colture.
Sensori digitali scalabili del cielo e del suolo: un approccio basato sull’internet delle cose per migliorare le previsioni meteorologiche su scala agricola di caldo estremo, siccità e precipitazioni: Toby Ault, assistente professore di scienze della terra e dell'atmosfera; e Max Zhang, professore associato al MAE. Utilizzando l’internet delle cose wireless esistente, i ricercatori monitoreranno e prevederanno le variabili chiave per prevedere condizioni meteorologiche estreme a livello di stato, contea e azienda agricola per fornire ai produttori alimentari un kit di strumenti per prevedere i pericoli.
Sviluppo di modelli predittivi per rilevare con precisione la mastite subclinica e clinica nelle vacche da latte munte con sistemi di mungitura automatizzati: Rick Watters, collaboratore senior del CVM e direttore del Laboratorio occidentale dei servizi di produzione del latte di qualità; e Kristan Reed, assistente professore di scienze animali. Utilizzando dati quali la produzione di latte, il tempo di mungitura e il tempo tra le visite di mungitura, i ricercatori svilupperanno un algoritmo per prevedere la mastite nelle vacche da latte.
- Melanie Lefkowitz, Cornell University
Progetti che vanno da un robot che nuota nel terreno in grado di rilevare le condizioni nella zona delle radici in tempo reale a modelli computazionali in grado di prevedere il deterioramento dei prodotti hanno ricevuto fondi iniziali dal nuovo Research Innovation Fund della Cornell Initiative for Digital Agriculture. Sopra, un drone della Musgrave Research Farm, portato sul campo dagli studenti nel laboratorio del professor Micheal Gore. Foto: Allison Usavage