日本農業面臨高齡化與從農者的減少， 造成嚴峻勞動力不足問題， 為了彌補人力問題，必須加速AI 農業技術開發與應用，促進新創產業的發展。

日本農林水產省公佈2022年度「食品科技新創商業模式」專案成果， 其計畫項目如下： 為消費者量身打造的營養方案：「AI 飲食」之商業模式示範計、來自食物原料的人造雞肉安全性評估、發酵後的植物材料 3D 列印護理食品之開發、友善環境和高附加價值的牡蠣智慧養殖大數據應用計畫、低過敏雞蛋：實現食品無障礙之社會應用、依照個人嗜好、健康狀態打造客製化炒菜機器人、應用昆蟲的新型有機廢棄物處理系統模組化之每單位面積生產力示範計畫。

由黃河科技大學與河南農業大學研究團隊利用來自各種感測器數據，廣泛研究監測平台和技術來完成複雜的監測過程，演算法、理論模型、應用程式和硬體開發等技術未來可用於定向作物、濕地、淡水區域及其複雜地形，對於農田碳排放監測提供貢獻。

由韓國國立農業科學院研究團隊進行將人工智慧和扁平扇形噴嘴安裝在無人機上，以評估其噴霧和害蟲防治性能，對水稻和大豆進行空中噴灑，測量覆蓋率和滲透率，分析作物產量以及病蟲害損失，為未來蟲害防治無人機噴灑系統做出貢獻。

由北京中國農業大學研究團隊進行從車輛模型建構和路徑追蹤演算法的開發和改進兩個方面對自動農用車的路徑追蹤策略進行了綜述，從準確性、穩定性、穩健性和缺點/優點方面探討了每種方法，定義農用車輛路徑追蹤控制領域的主要挑戰，並根據結果提出了未來方向。

由韓國電子技術研究院與西江大學研究團隊在相對較短的三個月內收集了九個感測器數據，考量韓國季節特徵長期資料收集和分析其存在局限性。根據收集到的數據進行了核密度估計分析、數據分析和相關熱圖分析，以AI與大數據進行預測來提高作物產力。

由印度農業研究委員會與美國維吉尼亞理工大學研究團隊開發了人工神經網路(ANN)模型來估算垂直軸轉子型行間除草工具的具體能量需求，使用垂直軸轉子(RVA)進行土壤研究，以轉子與吃水、力矩、速度感測器和數據記錄不同操作參數範圍內工具所使用的動力。所開發的 ANN模型能夠高精度預測RVA的特定能量需求。研究結果強調了人工神經網路作為一種在特定實驗條件下模擬土壤與工具相互作用的有效技術潛力，對未來將優化並提高農具在農田間的性能效率。

由中東美國大學研究團隊將機器學習演算法整合至現代農業，透過分析從農場收集之數據，結合感測器，農民可以對影響作物生長因素做出更明智的判斷，整合這些技術可以提高作物產量，同時最大限度地減少浪費，從而改變現代農業，未來可協助農民盡早發現作物疾病，提高作物生產效率，避免面臨糧食短缺時價格提升。

由日本國家農業與食品研究組織NARO開發了一種透過結合物聯網攝影機和費洛蒙誘捕器，自動捕捉及處理昆蟲，並每天從遠端收集捕獲和殺死的害蟲圖像，以往的害蟲調查需要人工定期前往調查區域進行害蟲統計和處置，但這項技術節省了勞動力，並且可以每天測量及收集害蟲數據，該技術有望於數據應用害蟲精準治理。