学生使用无人机为农业检测作物病害

北方叶枯病是一种毁灭性的玉米真菌疾病，通常发生在农民不容易发现的地方，远在植物茂密的树冠之下。

然而，从下面探索植物的地面探测器，与从上面观察它们的空中无人机通信，可以比单独人类更全面地了解它们的健康状况。康奈尔大学的一个本科生团队，与农业和生命科学学院分子育种和营养质量遗传学教授迈克尔·戈尔博士合作，旨在利用数字农业工具，在为时已晚之前发现这种疾病。

“我们的目的是开始在发展中国家应用这种技术，这样农民就可以发现他们几代人一直在与之斗争的植物疾病的早期爆发，”戈尔说，他也是Liberty Hyde Bailey教授和国际植物育种教授。“我们可以利用机器人技术以更高的精度、更大的准确度、更少的时间和更少的劳动力来完成这项工作。”

该项目得到了新成立的沈氏社会影响基金的支持，该基金将使学生能够通过创新的方式使用技术来从事造福社会的工程项目。沈基金——以康奈尔大学工程学院89届校友、奥林巴斯资本控股亚洲(专注于亚洲中等市场公司的私募股权集团)董事总经理沈南鹏的名字命名——每年将为3年、3年的学生-教师项目提供资金。

叶枯病项目是基于戈尔正在进行的使用数字工具实时评估植物健康状况的工作。学生们希望通过深度学习算法分析来自空中无人机和地面火星车的数据，以有效预测疾病的发病率和严重程度。地面火星车将以火星火星车为模型。

戈尔说:“你通常要做的是让一个人类的作物侦察员调查一块田地，但我们现在已经训练出了比人类本身更准确的深度学习算法。”“当你将机器人车辆与深度学习结合起来时，你就增强了人类已经在做的事情。然后人类将利用收集到的信息来决定如何采取行动防止疾病进一步传播。”

该团队由工程系学生Spencer Hong、Nathan Zheng、Lauren Zastko和Yitzy Rosenberg领导，他们将与Gore合作开发一种模型，使探测车能够使用低成本的开源软件与无人机通信，这种软件可以适用于发展中国家。

郑说:“我们希望使用无人机来检测植物的整体健康状况，在一个非常高的水平上，并使用机器人专门针对树冠下的区域。”“我们希望该系统能够普遍化，这样它就可以适用于许多疾病和作物，而实现这一点的关键是创建不同类型的计算机视觉算法，可以通过训练来检测各种问题。”

学生们希望第一年探索问题，第二年开发工具，第三年在撒哈拉以南非洲实施这些工具，戈尔已经在那里进行研究。未来的学生项目可以包括数字农业、医疗设备的可持续性、改善偏远地区的通信或减少干旱地区的用水量。

“这是一个理想的例子，在植物生物学家看来具有挑战性的东西对工程师来说是自然的，”康奈尔大学工程学院本科生研究副院长、材料科学与工程副教授迈克·汤普森说。“很明显，这种需求是由植物生物学及其影响驱动的，而工程是实现这些目标的完美工具。”

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。