此研究由德國波昂大學研究團隊開發軟體，該軟體能夠根據單一初始影像模擬田間作物的未來生長情況，能夠根據數千張田間實驗的照片，利用學習運算預測作物的未來發展，該軟體能夠從單一的初始影像生成未來的生長圖像，並準確估算如葉面積和產量等參數，此研究成果可幫助農民做出更明智的決策，提升農業的永續性和環保性。

德國波昂大學研究團隊結合雷射掃描和3D列印技術，創造出一個甜菜3D模型，展示了新技術在 21 世紀作物育種中的應用。這個3D植物模型捕捉了甜菜地上部分的基本特徵，可用於人工智慧輔助作物改良，這些模型可重複使用，適合在田間使用。

研究由中國科學院研究團隊開發了一個針對水稻14種NPK（氮、磷、鉀）營養壓力條件的高光譜庫，利用地面高光譜相機收集和分析420張水稻壓力影像。研究中使用的基於變壓器的深度學習網絡SHCFTT能準確識別營養壓力模式，其準確率在93.92%至100%之間，顯著優於支持向量機（SVM）、一維卷積神經網絡（1D-CNN）和三維卷積神經網絡（3D-CNN）模型。這一方法提高了營養壓力檢測的精確性，對作物健康監測和精準農業的決策制定具有重要貢獻。

小麥是一種重要全球作物，但目前的人口成長、極端天氣和氣候變遷增加了對小麥生產的需求。結構均勻度是高產量的關鍵，但不均勻的田間條件會導致植物之間的競爭，而阻礙均勻度。測量均勻度的傳統方法是勞力密集且效果低。然而目前的研究重點是單一植物的空間均勻度，缺乏跨生長階段的多性狀評估。        中國南京農業大學研究團隊利用無人機影像技術來估算小麥的農業參數，包括SPAD、LAI和植物高度（PH）。使用反向傳播神經網絡（BPNN）模型進行數據分析，該模型對LAI（R² = 0.889）和SPAD（R² = 0.804）的預測準確度高，且從3D點雲(3D的一組數據點)中估算的PH也顯示出良好的準確性（R² = 0.812）。這些準確的估算為計算均勻性指標提供了基礎。        研究發現，LAI、SPAD、FVC和PH的均勻度指標在生長階段中動態變化，且在抽穗後通常會穩定。此外，相關性分析顯示特定指標與產量和生物量之間存在強相關性。多元線性回歸模型結合這些均勻度指標後，相較於基於均值的模型，對產量和生物量的預測準確性有所提高。        此項研究發表在2024年6月《Plant Phenomics》期刊，該研究提出的均勻度監測方法能夠有效評估小麥均勻度的時間和空間變化，為產量和生物量的預測提供了新見解。未來的研究應探索均勻度與生產力之間的關係，並驗證該方法在其他作物中的應用。這一方法不僅對小麥的作物管理和育種計畫具有潛在應用，還能促進農業生產的永續發展。【延伸閱讀】- 以無人機開發草莓生長點觀察方法，了解草莓生長情形

透過植物電子皮膚等智慧農業技術開發，幫助農民做出應對計畫，快速面對諸多環境變化挑戰。

英國超市龍頭特易購(Tesco)宣布，將在酪梨上試驗大膽的雷射蝕刻標籤，以減少塑膠包裝的使用。

如何在有限資源下高效生產，同時保護環境，成為各國農業政策的重要課題。

利用人工智慧及衛星遙測技術收集數據，方便農民了解自身牧場資源變化，減少資源浪費。

從過去以來，微生物、土壤等各個領域的專家一直從各自的角度探索提高作物品質和產量的方法。這是屬於「垂直型」研究，而多組學分析(multi-omics)則結合了不同領域的橫向研究，做為農業大數據的分析有相當大的應用潛力。

隨著農業從業人口減少、高齡化等情勢的變化，農業勞動力短缺問題日益嚴重，加上農田集約化持續發展，因此在未來勢必需要高效率的生產方式來應對此一情況。

為利於農民使用赤眼卵蜂天敵防治玉米秋行軍蟲及玉米螟害蟲，並減輕田間施用天敵之人力負擔，研發團隊開發GPS定位投放球體裝置製造技術。

利用無人機進行草莓生長點影像紀錄，有效管理草莓生長情形，提高生產效率。