BIN302 Fenotyping for presisjonslandbruk

Rask teknologisk utvikling gir både forskere og bønder nye digitale verktøy. Koblet med automatisering gir dette en mulighet til raskt og effektivt anskaffe et stort antall fenotyper som kreves for presisjonslandbruk og avl. Ferdigheter for å bearbeide disse forskjellige datatypene er nødvendig i både forskning og industri for å trekke ut de mest nyttige fenotypene som mulig.

Emnet vil gi studentene ferdigheter til å analysere og tolke de forskjellige datastrømmene som bilde, video, dronebilder, sensorer i tidsserier og vibrasjonsspektroskopi på dyr og planter til nyttige fenotyper. Videre gir dette emnet studentene teoretiske og praktiske ferdigheter i maskinlæring for unike kombinasjoner av forskjellige datatyper for å produsere nye fenotyper, samt metodesammenligning og valideringsanalyser for å bestemme verdien av nylig beregnede fenotyper. Alt datalabarbeid vil bli utført ved hjelp av enten R- eller Python-programvare.

Spesielle praktiske utflukter er planlagt for å demonstrere automatiserte fenotypingsplattformer som drift av droner for feltmålinger av avlinger, industribesøk for å se online transportbåndmålinger samt en virtuell omvisning av robotmelkesystemer.

Det overordnede målet med emnet er å utvikle studentenes praktiske ferdigheter i å bearbeide data, programmering og analyse mot de nye feltene for presisjonsfenotyping ved å beregne eller modellere nye fenotyper som best tjener en mer bærekraftig planteforedling og husdyravl.

Kunnskap: Studentene skal tilegne seg en teoretisk forståelse av datainnsamling fra ulike digitale teknologier og kunne vurdere verdien av nye fenotyper fra ulike digitale teknologier.

Ferdigheter: Studentene vil utvide sine dataanalyseferdigheter til å inkludere bilde, video, vibrasjonsspektra og sensorer i tidsserier. Studentene vil lære statistiske analyseferdigheter for formelle metodesammenligninger og valideringsstudier og få ferdigheter i å kombinere ulike datatyper med maskinlæring.

Kompetanse. Studentene vil være i stand til å optimalisere og generere nye fenotypiske målinger for presisjonslandbruk og avl.