農民未來只需搭配能連結手機的特殊檢測裝置，便可將數據透過手機應用程式進行記錄並將數據與預先建構的資料庫進行資料比對，除可對果實進行初步篩選分類外，也能將果實成熟度與現有市場的銷售情況搭配，以便適時調整採收的進度，調節可能面臨的產銷問題，提升產品的競爭力。

目前在家禽市場當中，母雞所生產肉品與蛋品佔據較高的比例，公雞既無產蛋效能，肉質也不如母雞軟嫩，市場價值較低，因此有許多公雞常在出生後沒多久受到屠宰。基於人道主義考量，部分地區使用二氧化碳窒息或快速絞碎機的方式，在雞隻尚未感受到痛苦前即死亡，再經過加工製成飼料、肥料等作為其他用途。 　　德國是世界上極為重視動物福利的國家之一，然而，僅在德國每年就有超過4,500萬隻雄性小雞受到屠宰，且全球每年約淘汰掉60億隻小雞。目前絕大部分的地區還是以小雞孵化後以人工判別生殖器差異的方式區分性別，但此項作業需要累積長期經驗，若是可開發出快速檢驗性別的相關技術，在小雞成型前就先區分出雄性蛋，就能減少人力和孵化設備負擔，並雄性蛋孵化前進行處理。 　　經過四年的研究，德國Seleggt公司開發出一套技術，可以在受精後9天確定小雞的性別。首先將蛋從培養箱中取出，利用感測器檢查雞蛋是否受精，在受精蛋殼上利用雷射燒出直徑小於0.3毫米的洞，以非侵入性方式取出少量尿囊素(allantois)液體，若受精卵為雌性，液體中便含有雌酮硫酸鹽(一種雌性激素)，再將其置於專利標記物中，就可以根據顏色變化對蛋進行分類。【延伸閱讀】利用微型追蹤器提高龍蝦在供應鏈中的生存率 　　在Seleggt團隊取得突破後，後續透過機器設備設置與優化以便在孵化場使用，現已與荷蘭公司HatchTech合作製造了測試機型，而第一批雞蛋現正分發給德國超市Rewe，未來以此技術區分性別的蛋在銷售前會印上“respeggt”標章，並計劃在整個歐洲推行此種模式。

未來農業的發展，人工智慧(AI)將扮演重要的推手，以先「學習」後執行指令以達成目的，運用電腦視覺判讀感測器接收到的農作物影像，例如自動採摘已成熟的果實、自動辨識病蟲害嚴重的農作區域，為電腦所理解的一個過程及技術。

未來可運用人工智慧與機器學習運算，結合地景生態學，運用網絡運算方法規劃蜜蜂最佳的訪蜜途徑，經濟效益高且管理方便的地區為植樹主要地點，除提供蜜蜂棲息與覓食的景觀環境，同時也讓透過蜜蜂傳粉的植物成功授粉、繁衍後代。

氣候智慧型農業為解決氣候變遷造成農業生產方面之衝擊，而在農業經營管理上做出之調整與建議，發展適地適種的方法，將可視種植作物種類與適當的栽培管理方式，在短時間便可獲得較佳的收入。

新興資通訊科技(ICT)已在各行業中普遍運用，也有越來越多農民透過資通訊技術，含括穀物種植業、牛羊養殖業、乳製品行業及種植蔬果業，輔佐糧食及作物生產，提生農產量與產值。

美國堪薩斯州立大學通訊與農業教育學系的研究團隊選定活體園藝作物的網路消費模式做為主題進行研究，研究團隊選定美國亞馬遜(Amazon)、eBay等著名電子商務公司進行探討。研究發現園藝產品在網路市場的接受度並非如一般商品一樣好，為此研究團隊將消費模式分成買方、賣方及販售平台等幾個主要層面進行探討。

美國愛荷華州立大學利用高品質3D數位化模型描繪植物構造，建置3種禾本科的花卉模組。此項技術包含光學顯微鏡拍攝植物薄層切片及利用電腦輔助設計軟體，將2D影像轉換置3D模型重現並可在3D模組動畫中觀看。

美國農業部(United States Department of Agriculture, USDA)於11月13日在華府發表e-連結(e-Connectivity)先導型計畫，預計未來在美國農村投入大量基礎通訊建設，建立農村與都市之間的數位網絡。由於寬頻網路是現代人獲取資訊重要的推手，2018年美國聯邦通訊委員會(Federal Communications Commission, FCC)針對農村地區使用網路情況的調查發現，現今仍舊有80%的大眾無法擁有可靠、可負擔及方便快速的網路。為此，美國農業部積極在全國各地農村投入寬頻基礎建設，盼能替傳統農村注入新科技的意象，藉此增加區域經濟及提高經濟發展的可能性。 　　美國參議院在2017年通過農業及農村發展的相關法案，成立農業及繁榮農村跨部會專案辦公室(Interagency Task Force on Agriculture and Rural Prosperity)，盼能透過整合聯邦與各州政府之意見及資源，擬定包含建設e-連結(e-Connectivity)、改善生活品質(Improving Quality of Life)、提升農村勞動力(Supporting a Rural Workforce)、注入科技新意象(Harnessing Technological Innovation)及建設經濟發展(Economic Development)等措施，藉由透過新政策的規劃，提高農村的經濟發展與增加與都市的連結。 　　目前美國農業部透過電信計畫(Telecommunications Programs)提供19個專案計畫，共在美國12個州的農村地區投入9,100萬美金，提供許多經濟發展及建設的機會。這些基礎建設包含光纖寬頻系統的架設、升級現有DSL技術、升級無線通訊系統等。美國農業部希望藉農村寬頻基礎建設的設置，帶動現在及未來的區域經濟、促進商業發展、串聯農村地區的公共設施。 　　e-連結先導型計畫僅是美國川普當局繁榮農村的第一步，在建構互通有無的資訊網絡後，便可實現： 改善生活品質計畫、 提升農村勞動力計畫、 注入科技新意象計畫及 經濟發展建設計畫，為未來美國農村的經濟發展，注入一劑強心針。【延伸閱讀】現有家禽相關創新技術盤點 　　無獨有偶的是，我國近年來亦致力發展智慧科技農業，盼導入人工智慧/資通訊技術、農業生物科技及物流保鮮應用等元素，提升農產業各方發展。美國e-連結及延續計畫，或許可做為我國農業政策擬定及發展策略上重要參考依據。

Teapasar是新加坡的是一個初創的線上茶葉市集，於2018年9月推出，其中運用創新思維模式的兩種服務工具-ProfilePrint和TasteMap，可透過科學方式敘述茶葉特性及客戶偏好，並提供最接近客戶需求的茶葉品項。 　　ProfilePrint利用氣體色譜法與質譜儀(Gas chromatography–mass spectrometry, GC/MS)創造了茶的代謝物指紋圖譜，可針對茶樣本的來源、風土、栽培品種、收穫日期和其他標識進行了分類，透過質譜儀與多變量統計分析方法，能在沒有標籤的情況下也能查出茶葉樣本的來源及合法性。目前也有利用以擴增片段長度多型性(Amplified Fragment Length Polymorphism, AFLP)或檢測p -coumaroysolglucosol-rhamnosylgalactoside以分析茶葉樣本的方法，但ProfilePrint可提供生物標記和基因譜分析以外，更加便宜的分析方式，簡化的氣相色譜儀售價僅為兩千美元。 　　TasteMap則通過線上用戶選取的八種口味偏好類別以區別消費者，包括甜味、豐富度和澀味等，再依喜好推估茶品項和顧客之間的最佳配對，並以人工智慧與機器學習技術，通過反複試驗改進預測性能。由於TasteMap仰賴於大量數據量培訓，因此茶認證的實驗室利用超過一百萬個數據訓練樣本，以增進模型的預測能力。目前Teapasar已開始使用來自350種茶樣品的400個數據進行模型測試，隨著供應商和客戶的數量逐漸增加，機器學習的效果會更加優異。【延伸閱讀】草本茶正在全球流行中 　　Teapasar的創建提供了一個可擴展的業務平台，其建立基礎為新加坡國立大學(National University of Singapore, NUS)所提供的化學代謝物圖譜指紋辨識方面的專業知識，與新加坡科技研究局(Agency for Science, Technology and Research, A*STAR) 提供的機器學習算法和數據培訓，雖然目前規模較小，但代表著茶葉科學、生物技術、供應鏈整合和透明度等跨域技術的結合，可能性無限。

荷蘭應用科學研究組織中心(The Netherlands Organization For Applied Scientific Research, TNO)，開發能偵測土壤硝酸鹽含量並應用於監測氮礦化作用的感測器。氮對於植物生長發育與其體內蛋白質生產具有重要意義，ㄧ旦知道需要供給多少氮肥給土壤，農民就可以計算出最適合植物生長所需的肥料添加量。 　　目前TNO與瓦賀寧恩大學(Wageningen Universiteit)正執行ㄧ項名為DISAC(Data Intensive Smart Agrifood Chains)的計畫，此計畫與開發土壤硝酸鹽感測器相關，並與當地農業公司、科技公司及研究中心共同合作致力為精準農業研發新技術。 　　TNO所開發的感測器能頻繁偵測土壤中的硝酸鹽含量，提供最即時的數據。為了節省能源與數據儲存容量，研究人員每日進行量測並提供相關平均數值，藉由ㄧ系列的數據收集，能持續觀察土壤中氮礦化(nitrogen mineralization)的過程。迄今為止，所有結果皆為現場測試，未來將可於不同地點進行測量，並透過應用程式檢查數據結果。【延伸閱讀】英國土壤濕度感測器突破性進展，為智慧型灌溉鋪路 　　由於植物只能吸收銨態氮或硝酸態氮，因此植物生長與氮礦化程度具有相關性，藉由智慧化偵測系統提供土壤中氮含量指標，除了可協助農民了解土壤中的氮含量是否滿足植株所需，也可幫助觀察施肥後植物的利用狀況。 　　目前研究正於荷蘭的測試農場Dairy Campus- Vredepeel en KTC Zegveld進行測試。感測器安裝於距基座約15公分內的植株根系附近，而太陽能電源供應及相關設備則是安放於地面上。目標是利用模型與遠端偵測技術，了解預測和實際產量的差異性，以研究植物產量與其蛋白質含量，以及感測器如何實際應用於場域的方法。雖然目前仍尚未確定如何藉由此感測器優化現有的施肥機制，但這項研究有助於更瞭解植物的生長環境與氮礦化關係。

植物可通過土壤中的養分和水分維持生命，故預測土壤中水分動態變化對農業或水資源管理具有重要意義。然而，利用電腦模型預測土壤濕度是一項具有挑戰性的任務，需要考量土壤質地、植被、氣候(包含日照、風、溫度、降水等)、地形等資訊，且模型開發、應用和分析方法也至關重要。大多數常見的水文模型都是根據回溯性資料(retrospective dataset)進行校正，且不考量氣候變化，進而假設降雨與徑流的固定關係；這樣的模型應用時會加深估計土壤濕度變化的不確定性，並產生較大的誤差。 　　美國國家航空暨太空總署於數前年發射GPM(Global Precipitation Measurement)和SMAP(Soil Moisture Active Passive, SMAP)衛星，可幫助進行全球性的降水觀察，通過良好的模型預測，能夠幫助增進農業效率。而韓國慶北大學(Kyungpook National University)與美國德克薩斯州A&M大學(Texas A&M University)合作，通過結合隨機隱馬爾可夫模型(Hidden Markov Model, HMM)與遺傳演算法(genetic algorithm, GA)，提出了一種新型演算法，可幫助校正不同時空下的衛星數據與驗證其他水文科學研究。【延伸閱讀】農業先進大國荷蘭將邁向新的挑戰—應用宇宙衛星預測作物生產 　　GA屬於一種進化演算法，而HMM則幫助調整模型所需的輸入參數，使預測結果更加符合實際情形。此演算法在美國愛荷華州和伊利諾州進行測試，與過去文獻提出的SWAP(Soil-Water-Atmosphere-Plant)-GA方法相比，更提高預測的準確性。 　　此研究為隨機模型的首次應用，並開拓了使用衛星數據預測土壤水分動態變化的方法。雖在預測每日水分變化仍具有技術上的侷限性，但可進行較大空間與時間尺度的土壤溼度預測，並根據氣候變化進行調整，且只需使用現有氣象站的降水數據；不但簡化了參數輸入與模型結構，更縮小了預測的錯誤性。可協助氣候變遷影響下，未來的農業及水資源管理效率提升。