Des projets allant d'un robot nageant dans le sol capable de détecter les conditions dans la zone racinaire en temps réel à des modèles informatiques capables de prédire la détérioration des produits ont reçu des fonds de démarrage du Initiative Cornell pour l'agriculture numériquele nouveau Fonds pour l'innovation en recherche.
Huit équipes interdisciplinaires de chercheurs – du Collège d’agriculture et des sciences de la vie, du Collège d’ingénierie, d’informatique et des sciences de l’information, de Cornell Tech et du Collège de médecine vétérinaire (CVM) – recevront des bourses sur trois ans pouvant aller jusqu’à 225,000 XNUMX $. Pour postuler, les équipes devaient inclure des membres du corps professoral de Cornell provenant d'au moins deux collèges, garantissant ainsi une collaboration entre les campus.
« Ces projets de recherche représentent le potentiel passionnant des outils numériques, tels que les modèles informatiques, les systèmes robotiques, l'intelligence artificielle et « l'Internet des objets », pour transformer l'agriculture à chaque étape du processus de production alimentaire », a déclaré Susan McCouch, professeure Barbara McClintock de sélection végétale et de génétique et directrice de la Cornell Initiative for Digital Agriculture (CIDA). «Des collaborations interdisciplinaires comme celles-ci repousseront les frontières de la science pour accroître la productivité et la durabilité de l'agriculture et favoriser un pipeline de découvertes et d'innovations pratiques.»
Un groupe multidisciplinaire de près de trois douzaines de membres du corps professoral, présidé par Renata Ivanek, professeure agrégée au Département de médecine des populations et des sciences diagnostiques du CVM, a sélectionné les huit projets parmi 31 propositions. Le financement de ces prix provient du Fonds d'innovation en recherche de l'ACDI et du programme Hatch Act du Département de l'Agriculture des États-Unis.
Les projets:
Améliorer le rendement des fraises grâce aux pollinisateurs indigènes et robotisés : Kirstin Petersen, professeur adjoint de génie électrique et informatique ; et Scott McArt, professeur adjoint d'entomologie. Leurs travaux intégreront la surveillance automatisée des pollinisateurs sauvages et gérés avec la pollinisation robotisée, jetant ainsi les bases d'un système biologique-hybride capable d'observer, de prédire et d'améliorer le rendement des cultures. Les chercheurs développeront des pièges photographiques à insectes durables et de faible consommation, utiliseront des drones pour une pollinisation croisée rapide et créeront des modèles de croissance pouvant être transmis à un agriculteur via une application en ligne.
Nouvelle robotique du sol et détection pour le phénotypage sol-racine de l’efficacité de l’utilisation de l’eau : Taryn Bauerle, professeure agrégée à l'École des sciences végétales intégratives (SIPS) ; Robert Shepherd, professeur agrégé à la Sibley School of Mechanical and Aerospace Engineering (MAE) ; Mike Gore, professeur Liberty Hyde Bailey et professeur agrégé de sélection moléculaire et de génétique au SIPS ; Johannes Lehmann, professeur de sciences du sol et des cultures au SIPS ; et Abraham Stroock, directeur de William C. Hooey et Gordon L. Dibble, professeur de génie chimique et biomoléculaire. Pour accéder à des informations en temps réel sur la disponibilité et le débit d'eau dans le sol autour des racines des plantes, les chercheurs développeront une stratégie de détection et un robot nageant dans le sol pour explorer de manière semi-autonome la zone racinaire.
Modèles informatiques basés sur le microbiome et outils d'aide à la décision pour prédire la détérioration des produits frais : les épinards comme système modèle : Martin Wiedmann, professeur de la famille Gellert en sécurité alimentaire ; et Ivanek. Les chercheurs développeront un modèle informatique des interactions et des perturbations du microbiome pendant la transformation, le transport et la vente au détail afin de prédire la durée de conservation des épinards frais.
Diagnostic de stress accéléré et automatisé dans les vergers de pommiers : Awais Khan, professeur agrégé en SIPS à Cornell AgriTech ; Serge Belongie, professeur d'informatique à Cornell Tech ; et Noah Snavely, professeur agrégé d'informatique à Cornell Tech. Combinant son expertise en pathologie végétale, en phénotypage et en vision par ordinateur, l'équipe créera des ensembles de données sur les maladies des pommes annotées par des experts, dirigera un concours mondial pour trouver de nouvelles solutions pour la classification et la quantification des maladies, développera des modèles de vision par ordinateur pour distinguer avec précision les symptômes de nombreux maladies et développer des applications conviviales pour soutenir les pomiculteurs.
Agriculture carbone : combiner l'intelligence artificielle, le big data et les modèles de processus pour soutenir ce secteur émergent : Lehmann et Fengqi You, professeurs Roxanne E. et Michael J. Zak en ingénierie des systèmes énergétiques à la Smith School of Chemical and Biomolecular Engineering. Ce projet vise à améliorer la prévision précise du carbone organique du sol en combinant la modélisation des processus du sol avec l'apprentissage automatique, l'apprentissage profond et le big data pour créer une plateforme permettant de piloter des politiques et des investissements fondés sur des données probantes dans la santé des sols et l'atténuation du changement climatique.
Plateforme de phénotypage haute résolution ciblée sur les fonctions pour déduire les relations génétiques-fonctions dans le rhizomicrobiome afin de favoriser l'utilisation des nutriments des plantes : April Gu, professeur de génie civil et environnemental ; Jenny Kao-Kniffin, professeure agrégée au SIPS ; et Kilian Weinberger, professeur agrégé d'informatique. Les chercheurs développeront une plateforme technologique innovante de phénotypage-génotypage qui leur permettra de construire une installation de phénotypage agricole de classe mondiale à Cornell, afin de découvrir et de profiler de nouveaux micro-organismes bénéfiques pour les cultures.
Capteurs numériques évolutifs du ciel et des sols : une approche de l'Internet des objets pour améliorer les prévisions météorologiques à l'échelle agricole en matière de chaleur extrême, de sécheresse et de précipitations : Toby Ault, professeur adjoint de sciences de la terre et de l'atmosphère ; et Max Zhang, professeur agrégé au MAE. En utilisant un Internet des objets sans fil existant, les chercheurs surveilleront et prévoiront les variables clés permettant de prévoir les conditions météorologiques extrêmes aux niveaux de l'État, du comté et de l'exploitation agricole afin de fournir aux producteurs de produits alimentaires une boîte à outils pour prédire les dangers.
Développement de modèles prédictifs pour détecter avec précision les mammites subcliniques et cliniques chez les vaches laitières traites avec des systèmes de traite automatisés : Rick Watters, associé principal de vulgarisation au CVM et directeur du laboratoire occidental des Quality Milk Production Services ; et Kristan Reed, professeur adjoint de sciences animales. En utilisant des données telles que la production laitière, le temps de traite et le temps entre les visites de traite, les chercheurs développeront un algorithme pour prédire la mammite chez les vaches laitières.
- Mélanie Lefkowitz, Université Cornell
Des projets allant d'un robot nageant dans le sol capable de détecter les conditions dans la zone racinaire en temps réel à des modèles informatiques capables de prédire la détérioration des produits ont reçu des fonds de démarrage du nouveau Fonds d'innovation pour la recherche de la Cornell Initiative for Digital Agriculture. Ci-dessus, un drone à la Musgrave Research Farm, emmené sur le terrain par des étudiants du laboratoire du professeur Michael Gore. Photo : Allison Usavage