美國康乃狄克大學研究團隊設計出新款土壤水分感測器，除了可大幅降低器械之固定成本，也可有效節省灌溉用水與減少氮肥之濫用，達到精準農業之目的，是極富市場競爭力的商品。

英屬哥倫比亞大學研究團隊研析具備GPS、探測儀、聲學相機、聲學相機等捕魚船隊或船隻之技術爬升的內涵，同時也提出漁業技術爬升帶來的影響—經營管理與漁業資源永續性，人們體認到漁業捕撈技術的提升，恐對於永續漁業發展產生重大的不確定性。

應用最新農業自動化技術與資通訊技術，產官學界攜手共同合作打造全球最TOP的智慧農業與永續智慧農業城市。期盼確實解決日本農業人口老化與人力不足等問題，為全球糧食不足帶來改善。

Progeny Drone公司研發可供農業從事人員將作物空照圖換算為植物生長健康指標的APP，該程式軟體簡易操作，換算成健康指標僅需10分鐘，無須等候多日且測量植物生長及健康狀況比人為判斷更加準確。

美國華盛頓州立大學研究團隊以蘋果應該以人工採收或是機械採收，做為釐清蘋果酒釀造品質的影響條件之一。研究證實採收作法對於釀酒品質並無顯著影響，但機械採收可有效節省農業勞力成本，對於產業具有經濟效益。

根據世界衛生組織(World Health Organization, WHO)所發表數據顯示，每年有6億的人口因食用不乾淨的食物後感到身體不適，而食物中毒已是全球面臨共同問題。為此，新創事業正以開發創新技術，以協助農業部門找到食物中毒因應方法。

日本東京大學與印度團隊共同合作，一改過往水稻育種傳統選育法需耗費近10年的時間，水稻育種導入人工智慧、物聯網、大數據等資訊科技，並結合影像辨識系統，有助於加速抗旱、抗逆境水稻品系的篩選，並彌補日本長期缺乏的農業勞動力。

英國艾希特大學研究團隊針對全球氣候變遷進行香蕉生產及進出口貿易之數值進行探討，發現氣候變遷的衝擊，香蕉主要供應商、出口商國家受到的影響甚多，若能在農業設施的部分可預先加強農業灌溉設備，並整合相關香蕉貿易的知識經驗，共同抵禦氣候變遷帶來的衝擊。

位於美國紐約的Square Roots公司發展以種植葉菜類作物為主的垂直農業，內部設施為AI環控設施，除了操作全程自動化，室內種植亦不受氣候影響可穩定提供新鮮蔬菜，因農場位於都會區，也可節省運輸成本與碳足跡。

澳洲國立大學開發出可偵測真菌性病害與進行菌相分析的可攜式DNA定序儀，將欲調查之葉片樣本添加藥劑並混和均勻後放置定序儀，以全基因組霰彈槍定序技術測出病原的DNA序列，最後再將病原DNA序列與遺傳資料庫進行比對，找出關鍵的病原，例如小麥條銹病、小麥葉斑病、黃斑病等真菌性疾病。

微軟與國際熱帶半乾旱農作物研究所共同協助印度當地農業導入人工智慧播種應用程式與Azure AI技術，進行氣候資訊整合同時預測出最佳的農耕方法與條件等，並透過手機收發相關資訊，可將資訊即時傳送，幫助當地花生農提高30%的產量。

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>。