北方叶枯病是一种毁灭性的玉米真菌病，通常发生在农民们不易察觉的地方，在植物浓密的树冠之下。
但是，一个地面漫游者从下面探索这些植物，并与空中的无人机从上面观察它们，可以比单独的人类更全面地了解它们的健康状况。工程学院的一组本科生与农业和生命科学学院营养质量分子育种和遗传学教授、09年博士迈克尔·戈尔(Michael Gore)合作，旨在利用数字农业的工具在为时已晚之前发现这种疾病。
戈尔说:“我们的目的是把这种技术应用到发展中国家，这样农民就能发现他们几代人以来一直在对抗的植物疾病的早期爆发。”“我们可以用机器人来做这项工作，更精确、更准确、更省时、更省力。”
该项目由新成立的沈氏社会影响基金(Shen Fund for Social Impact)资助，该基金将使学生从事能够以创新方式使用技术造福社会的工程项目。申基金以康奈尔大学工程学校友、奥林巴斯资本控股亚洲董事总经理沈涛的名字命名。奥林巴斯资本控股亚洲是一家专注于亚洲中等市场公司的私人股本集团。
左起:康奈尔大学本科生工程副院长、材料科学与工程副教授迈克·汤普森;博士后研究员伊桑·斯图尔特;迈克尔·戈尔，2009年博士，营养品质分子育种和遗传学教授;David T. Shen ‘ 89;内森郑的21;Nicholas Kaczmar，戈尔实验室的经理;Yitzy罗森博格的21;劳伦·扎斯特科’ 22。
“我在康奈尔接受的教育是多学科的，”沈说。“当我回顾我在金融业的职业生涯时，我很欣赏能够从不同的角度，运用我的工程学和分析方法来看待现实世界中的问题。我想回来帮助现在和未来的学生，让他们有机会从我的经历中受益。”
叶枯病项目是基于戈尔正在进行的利用数字工具实时评估植物健康状况的工作。学生们希望能通过深度学习算法分析无人机和地面漫游者的数据，从而有效预测疾病的发生率和严重程度。地面漫游者将以火星漫游者为模型。
戈尔说:“通常情况下，你要做的是让农作物侦察人员，也就是一个人，对田野进行调查。但是，我们现在训练的深度学习算法比人类自己的算法更精确。”“当你把机器人和深度学习结合起来时，你就提高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。”
该团队由工程学学生Spencer Hong ‘ 19、Nathan Zheng ‘ 21、Lauren Zastko ‘ 22和Yitzy Rosenberg ‘ 21领导，他们将与Gore合作开发一种模型，使漫游者能够使用低成本的开源软件与无人机通信，这种软件可以应用于发展中国家。
郑说:“我们想用无人机在非常高的水平上检测植物的整体健康状况，并使用机器人专门针对树冠下的那些区域。”“我们希望这个系统能够得到推广，这样它就可以适用于许多疾病和作物，而实现这一目标的关键是创建不同种类的计算机视觉算法，这些算法可以经过训练来检测各种各样的问题。”
学生们希望用第一年的时间探索这个问题，第二年开发工具，第三年在撒哈拉以南非洲地区实施这些工具，戈尔已经在那里进行研究。未来的学生项目可能包括数字农业、医疗设备的可持续性、改善偏远地区的通讯或减少干旱地区的用水量。
康奈尔大学负责本科生研究的工程副院长、材料科学与工程学副教授迈克•汤普森表示:“这是一个理想的案例，在这种情况下，那些对植物生物学家来说具有挑战性的东西，对工程师来说是很自然的事情。”“这种需求显然受到植物生物学及其影响的驱动，而工程学是实现这些目标的完美工具。”
新闻旨在传播有益信息，英文原版地址：http://news.cornell.edu/stories/2019/07/land-and-air-students-detect-crop-diseases-tech