康奈尔大学工程学生解决葡萄园的数据需求
由蒂姆·马丁森
两名康奈尔大学工程专业的研究生正在使用他们的工程技能为葡萄生产商开发原型产品。
亨特·亚当斯(航空航天工程博士)和乔纳森·哈拉米略(电气和计算机工程博士)最近演示了帮助种植者在葡萄园中做出管理决策的设备数字葡萄栽培:葡萄园管理的新工具现场日，7月17日举行th在纽约佩恩严附近塞内卡湖的安东尼路葡萄园。
现场分布式气象站。
获得可靠的天气数据对葡萄种植者的需要至关重要，如霜冻和冬季伤害监测和疾病预测。目前，种植者依赖的气象站通常通过NEWA系统联网。但是它们的成本(大约2000美元)限制了这些监测站的数量和位置，只有少数几个战略位置。如果它们足够小，足够便宜，种植者可以在每个农场或葡萄园区部署多个单元，那将会怎样?
亨特·亚当斯开发了一个气象站叫做君主它可以装进你的钱包，价格是NEWA气象站价格的二十分之一。在这个规模和价格点上，葡萄园将能够部署数十个气象站，而不是单一的气象站，并将它们放置在葡萄树冠内。这将允许种植者测量葡萄园内温度、相对湿度和湿度的变化，从而能够更准确地跟踪霜冻、冬季中期低温和疾病的发展。
在12月完成他的学位后，亨特将全职致力于君主监测站的商业化，并积极寻找潜在的客户，为传感器的持续发展提供资金支持。他的项目获得了国家科学基金会的NSF创新团队项目的拨款#1643287。
低成本作物估计与手机图像。
获得准确的作物估计是葡萄种植者的棘手问题。产量潜力从一年到年份变化 - 以及葡萄园块内。种植者目前通过手动计算少数葡萄藤的葡萄集群来估计他们的作物 - 耗时和劳动密集型的过程。如果他们可以在ATV或四轮车上安装手机，并使用图像以估计更大的葡萄藤样本的群集数量？
Jonathan Jaramillo在葡萄栽培(Justine Vanden Heuvel)和电子与计算机工程(Kirstin Petersen)的教师项目中工作，正在使用手机视频文件的图像分析和机器学习来识别和统计葡萄集群的早期发展。
在某些年份，目前的作物估计方法可能会超过或低估最终作物的产量20-30%——人工统计非常耗时，而且没有人能够采集足够的葡萄样本来确定他们的估计是准确的。本项目的目标是将误差降低到5%或更低。
乔纳森的努力是Vanden Heuvel和Petersen合作项目的一部分，该项目将应用“软触摸”机器人传感器，在生长季节后期检查和测量葡萄集群的生长和属性。该项目由康奈尔数字农业计划2019-67021-29225。
蒂姆马蒂斯顿是位于纽约日内瓦的纽约农业实验站园艺科的高级推广助理。