香蕉(banana, Musa spp.)是全球最盛行的水果之一，在2050年人口即將突破100億大關之際，香蕉市場需求必然逐年上升。然而，香蕉栽培作業上，除面臨到氣候變遷與極端氣候等環境衝擊外，也面臨到植物病蟲害的影響，常見的香蕉病害包含萎凋病與葉斑病等。這些病蟲害在近期同樣受氣候變遷、國際貿易頻率增加等因素影響下，增加其病原傳播的機會及規模。如何於第一時間有效地阻止病蟲害由少數受感染個體擴散至整片香蕉園，將是香蕉病蟲害防治的一大挑戰。總部位於南美洲哥倫比亞(Colombia)的國際熱帶農業研究中心(International Center for Tropical Agriculture，簡稱CIAT)便開發出基於人工智慧(artificial intelligence，簡稱AI)的影像辨識技術，並整合至用於行動應用程式(mobile application，簡稱app)，以方便進行遠端操作及管理。 　　運用最新的人工智慧技術，國際熱帶農業研究中心的研究團隊以深度學習(deep learning)改善系統影像辨識能力。研究團隊首先自2萬筆圖像中訓練系統分辨不同的香蕉疾病並利用病害特徵建立遠端資料庫，再透過行動應用程式拍攝並紀錄植株、花序、果實等疑似染病處並回傳至遠端伺服器，待遠端伺服器紀錄拍攝地點與分析影像資訊後，行動應用程式便會在行動裝置端顯示患病植株可能感染的疾病，並提供相關防疫資訊。 　　現有的作物病害偵測模型(crop disease detection model)僅能透過葉片病徵進行判斷並僅限處理背景單純之影像，研究團隊所開發的行動應用程式可提供功能更強大的影像辨識技術，除了可鑑別出所有植株可能的病害特徵，該行動應用程式亦具備低解析度圖像辨識、降低背景雜訊等影像優化處理技術，使疾病診斷結果更精確。 　　研究團隊將這套應用程式命名為Tumaini (英譯：hope，即希望)，在研究團隊的推廣及輔導下，蕉農已可透過簡單的手機程式操作，在第一時間獲得最新的香蕉病害資訊。此外，Tumaini所蒐集回傳的病蟲害影像、拍攝地等資訊，可進一步提供做為病蟲害防治監測的依據。 　　開發團隊所發表的最新研究指出，該項目將人工智慧用於病蟲害影像辨識的技術，可提供高達90%的辨識成功率，有效地診斷出受感染的5種主要病害與1種主要害蟲。研究團隊並表示，雖然Tumaini仍屬測試階段，但該行動應用程式在將來具有彙整無人機影像、衛星影像的潛力，可幫助弱勢地區更容易獲取最新的作物病蟲害資訊。【延伸閱讀】農業自動化機械國際產業概況與應用 　　行動應用程式Tumaini由國際熱帶農業研究中心、美國德州農工大學(Texas A&M University)、印度IIAT (Imayam Institute of Agriculture and Technology)等單位共同開發，研究經費由國際農業研究諮商組織(Consultative Group for International Agricultural Research，簡稱CGIAR)所管理的根莖類作物與香蕉(Roots, Tubers and Bananas，簡稱RTB)計畫提供。詳細的應用程式演算法與深度學習模型已發表在<Plant Methods>。

隨著智慧農業技術的日益高速發展下，藉由無人機、大數據、農業生產管理系統等自動化先進技術之應用，所帶來之效益將有效解決勞動力不足問題與提升農作業生產效率。

美國奧勒岡州立大學研究團隊根據模型推算全球17種土地覆蓋類型的太陽能轉換效率，農耕地的覆蓋類型為主的太陽能發電具有最佳的光電轉換效率，僅需在部分農地上部署一定比例的太陽能板，便可望填補全球發電缺口。

德國萊布尼茲植物遺傳與作物研究所揭示了記錄蒐集長達70多年的小麥農藝性狀，蒐集來自世界各地有關春麥、冬麥的在地小麥種子，並記錄蒐集作物的農園藝性狀，供後續培育新種及遺傳研究方面的應用。

日本農研機構深化分析1983年至2009年間玉米、水稻、大豆、小麥等作物乾旱指數與農糧收穫數據進行線性回歸及相關的統計分析，發現平均每次乾旱事件所影響的收穫損失估計造成1,660億美元的經濟損失。

美國北卡羅來納州立大學研究團隊以茄科晚疫病作為研究對象，利用表現在葉表的有機物特性，開發出能反映不同化學特性的試紙，經揮發性有機物資料庫進行比對後，便可獲知葉片是否受感染，有助於田間快速篩檢病原。

美國伊利諾大學研究團隊在既有的作物生理指數模型基礎上，加入新發現的植物重要生理參數，並透過電腦模擬的結果，快速找出耐旱品系進行培育，以因應全球氣候近年快速暖化的趨勢。

美國康乃爾大學與中國清華大學共同研發智慧灌溉模型，透過植物生理感測器偵測結果，佐歷史氣候數據，以機器學習技術預測近期可能的氣候資訊，經一連串的數據蒐集與分析預測，可精確地計算出灌溉水量，避免不必要的水資源浪費。

英國劍橋大學開發擁有機器學習能力的蔬菜收割機器人，以電腦視覺系統及收割系統作為機器雙系統處理程式，透過頂端相機捕獲影像，再透過影像判識的方法，判斷影像中的萵苣成熟與否、是否受嚴重病蟲害影響等，以作為是否執行後續收割作業的依據。

荷蘭鹿特丹擁有全球首座水上漂浮牧場，配有自動化畜牧場機械裝置，並裝載太陽能板、雨水收集與淨化設備，能將城市產生的生物質予以回收和循環利用。被豢養的乳牛飼料多為城市地區的穀物廢棄物，生產的乳製品能提供給當地居民，為農業永續共盡一份心力。

美國佛蒙特大學研究團隊藉由分析人們在電玩遊戲裡的決策行為，模擬出不同策略對疾病擴散的影響，玩家在面對疾病時所採取的態度將是影響疾病事件發生與否的主因之一，證實人為決策在防疫策略及疾病流行中的重要性。

隨著藉由經驗累加、可藉由眼力判斷鮪魚肉質好壞的專業職人日趨高齡，使得日本許多魚貨中盤商開始面臨缺乏能夠協助判斷鮪魚肉質的人力，進而可能採購肉質不佳的魚貨，導致影響收益。因此，日本電通與雙日公司攜手合作，藉由人工智慧技術，讓使用者可直接透過手機相機功能拍攝魚尾切面，即可快速分析鮪魚肉質，並且以5個等級作為結果評鑑。 　　由於鮪魚在日本漁業成為重點交易肉品，同時也是日式料理中作為壽司的主要肉品之一，因此在市場的交易金額也相當驚人，因此許多魚貨中盤商均仰賴專業職人協助判斷所需採購魚肉品質，避免採購品相不佳的魚貨，導致後續成交價格不理想。 　　藉由手機app以拍照方式分析判斷魚肉品質，雖然快速、簡單，但畢竟影響魚肉品質的因素很多，包含捕撈方式、所處漁場環境，以及捕獲當下的處理方式，都會影響魚肉實際品質，因此要能精準判斷魚肉品質，實際上需要累積10年左右的鑑定經驗。 　　而透過魚尾切面進行判斷，實際上只是判斷魚肉品質好壞的其中一個方式，但藉由人工智慧技術應用之下，則可成為一般人簡單、大致判斷魚肉品質的辦法。依照說明，由日本電通與雙日公司攜手合作製作的「TUNA SCOPE」，其識別結果約有85%比例與專業職人一致，作為一般快速判斷魚肉品質使用的話，其實也有相當值得參考價值。 　　在持續藉由人工智慧分析學習之下，或許日後將有可能透過整合更多分析判斷數據，讓電腦系統能更精準地分析鮪魚肉質。