Proyectos que van desde un robot que nada en el suelo que puede detectar las condiciones en la zona de raíces en tiempo real hasta modelos computacionales que pueden predecir el deterioro de los productos agrícolas recibieron fondos semilla del Iniciativa de Cornell para la agricultura digitalEl nuevo Fondo de Innovación en Investigación.
Ocho equipos interdisciplinarios de investigadores, de la Facultad de Agricultura y Ciencias de la Vida, la Facultad de Ingeniería, Informática y Ciencias de la Información, Cornell Tech y la Facultad de Medicina Veterinaria (CVM), recibirán premios por tres años de hasta $225,000. Para postularse, los equipos debían incluir miembros de la facultad de Cornell de al menos dos universidades, lo que garantizaba la colaboración entre campus.
“Estos proyectos de investigación representan el emocionante potencial de las herramientas digitales, como los modelos computacionales, los sistemas robóticos, la inteligencia artificial y el 'internet de las cosas', para transformar la agricultura en cada paso del proceso de producción de alimentos”, dijo susan mccouch, la profesora Barbara McClintock de Fitomejoramiento y Genética y directora de la Iniciativa de Cornell para la Agricultura Digital (CIDA). “Colaboraciones interdisciplinarias como estas ampliarán las fronteras de la ciencia para aumentar la productividad y la sostenibilidad de la agricultura, y fomentar una vía de descubrimiento e innovaciones prácticas”.
Un grupo multidisciplinario de casi tres docenas de profesores, presidido por Renata Ivanek, profesora asociada del Departamento de Medicina de la Población y Ciencias Diagnósticas del CVM, seleccionó los ocho proyectos de 31 propuestas. Los fondos para los premios provienen del Fondo de Innovación en Investigación de CIDA y del programa Hatch Act del Departamento de Agricultura de EE. UU.
Los proyectos:
Mejorando el rendimiento de la fresa a través de polinizadores nativos y robóticos: Kirstin Petersen, profesora asistente de ingeniería eléctrica e informática; y Scott McArt, profesor asistente de entomología. Su trabajo integrará el monitoreo automatizado de polinizadores silvestres y manejados con polinización robótica, sentando las bases para un sistema híbrido biológico que puede observar, predecir y mejorar el rendimiento de los cultivos. Los investigadores desarrollarán cámaras trampa para insectos duraderas y de bajo consumo, usarán drones para una polinización cruzada rápida y crearán modelos de crecimiento que se pueden transmitir a un agricultor a través de una aplicación en línea.
Nueva robótica y detección del suelo para el fenotipado de la raíz del suelo de la efectividad del uso del agua: Taryn Bauerle, profesora asociada de la Escuela de Ciencias Vegetales Integrativas (SIPS); Robert Shepherd, profesor asociado de la Escuela de Ingeniería Mecánica y Aeroespacial de Sibley (MAE); Mike Gore, profesor de Liberty Hyde Bailey y profesor asociado de mejoramiento molecular y genética en SIPS; Johannes Lehmann, profesor de ciencias del suelo y cultivos en SIPS; y Abraham Stroock, el Director de William C. Hooey y Gordon L. Dibble, profesor de Ingeniería Química y Biomolecular. Para acceder a información en tiempo real sobre la disponibilidad y el flujo de agua en el suelo alrededor de las raíces de las plantas, los investigadores desarrollarán una estrategia de detección y un robot que nada en el suelo para explorar de forma semiautónoma la zona de las raíces.
Modelos computacionales basados en microbiomas y herramientas de apoyo a la toma de decisiones para predecir el deterioro de productos frescos: la espinaca como sistema modelo: Martin Wiedmann, Profesor de la Familia Gellert en Seguridad Alimentaria; e Ivanek. Los investigadores desarrollarán un modelo computacional de las interacciones y perturbaciones del microbioma durante el procesamiento, el transporte y la venta al por menor para predecir la vida útil de las espinacas frescas.
Diagnóstico de estrés acelerado y automatizado en huertos de manzanos: Awais Khan, profesor asociado de SIPS en Cornell AgriTech; Serge Belongie, profesor de informática en Cornell Tech; y Noah Snavely, profesor asociado de informática en Cornell Tech. Combinando experiencia en patología de plantas, fenotipado y visión por computadora, el equipo creará conjuntos de datos de enfermedades anotados por expertos para manzanas, liderará una competencia de desafío global para encontrar soluciones novedosas para la clasificación y cuantificación de enfermedades, desarrollará modelos de visión por computadora para distinguir con precisión entre los síntomas de muchos enfermedades y desarrollar aplicaciones fáciles de usar para ayudar a los productores de manzanas.
Cultivo de carbono: combinación de inteligencia artificial, macrodatos y modelos de procesos para respaldar este sector emergente: Lehmann y Fengqi You, Profesor Roxanne E. y Michael J. Zak en Ingeniería de Sistemas Energéticos en la Escuela Smith de Ingeniería Química y Biomolecular. Este proyecto tiene como objetivo mejorar la predicción precisa del carbono orgánico del suelo al combinar el modelado de procesos del suelo con aprendizaje automático, aprendizaje profundo y big data para crear una plataforma para impulsar políticas e inversiones basadas en evidencia en la salud del suelo y la mitigación del cambio climático.
Plataforma de fenotipado de alta resolución dirigida a funciones para deducir las relaciones genéticas-funciones en el rizomicrobioma para promover la utilización de nutrientes de las plantas: April Gu, profesora de ingeniería civil y ambiental; Jenny Kao-Kniffin, profesora asociada en SIPS; y Kilian Weinberger, profesor asociado de informática. Los investigadores desarrollarán una innovadora plataforma tecnológica de fenotipado y genotipado que les permitirá construir una instalación de fenotipado agrícola de clase mundial en Cornell, con el fin de descubrir y perfilar nuevos microorganismos que sean beneficiosos para los cultivos.
Sensores digitales escalables de los cielos y los suelos: un enfoque de internet de las cosas para mejorar los pronósticos meteorológicos a escala agrícola de calor extremo, sequía y lluvia: Toby Ault, profesor asistente de ciencias de la tierra y la atmósfera; y Max Zhang, profesor asociado en MAE. Usando un Internet de las cosas inalámbrico existente, los investigadores monitorearán y pronosticarán variables clave para predecir el clima extremo a nivel de estado, condado y granja para proporcionar a los productores de alimentos un conjunto de herramientas para predecir peligros.
Desarrollo de modelos predictivos para detectar con precisión mastitis clínica y subclínica en vacas lecheras ordeñadas con sistemas de ordeño automatizado: Rick Watters, asociado senior de extensión en CVM y director del Laboratorio Occidental de Servicios de Producción de Leche de Calidad; y Kristan Reed, profesor asistente de ciencia animal. Utilizando datos como la producción de leche, el tiempo de ordeño y el tiempo entre visitas de ordeño, los investigadores desarrollarán un algoritmo para predecir la mastitis en las vacas lecheras.
– Melanie Lefkowitz, Universidad de Cornell
Los proyectos que van desde un robot que nada en el suelo que puede detectar las condiciones en la zona de la raíz en tiempo real hasta modelos computacionales que pueden predecir el deterioro de los productos recibieron fondos iniciales del nuevo Fondo de Innovación en Investigación de la Iniciativa de Cornell para la Agricultura Digital. Arriba, un dron en Musgrave Research Farm, siendo llevado al campo por estudiantes en el laboratorio del profesor Micheal Gore. Foto: Allison Usavage