一项名为“叶片监测器”的开创性移动工具正在加利福尼亚州进行试验，该工具利用人工智能和预测模型，旨在为农民提供关于叶片营养和作物性状的实时见解，有望彻底改变农业领域，实现更精准、更具成本效益的作物管理。
该技术的核心是一个手持式光谱仪，它能捕捉可见光以外的光谱数据（通常在400至2500纳米之间）。这些数据随后被上传到一个基于云的机器学习系统进行处理。该系统经过五年的训练，使用了数千个来自加州特产作物（主要是葡萄藤和杏仁）的叶片样本进行分析。这些样本经过化学分析，以确定营养水平和叶片结构特征，从而构建出精确的预测模型。加州大学戴维斯分校数字农业实验室主任Alireza Pourreza表示：“在五秒钟内，农民就能了解叶片中的营养含量。”
这种方法能够比传统方法更早地发现营养缺乏症，从而在造成不可逆转的损害之前进行干预，并优化肥料的使用。在Bullseye农场进行的演示中，灌溉经理Geoff Klein提到，该工具可以帮助节省成本并提高产量，因为农民不再需要依赖耗时且昂贵的实验室检测，后者可能需要长达两周的时间才能返回结果。该技术还能识别出肉眼无法察觉的田间空间变异性，使农民能够对不同区域进行差异化管理，而不是对整个田地进行统一处理。这种精准管理有助于提高产量，减少对环境的影响，并最终实现更可持续的农业实践。
该项目得到了美国农业部国家食品和农业研究所HiRes葡萄园营养项目、其动物和植物卫生检验局以及加州鲜食葡萄委员会的资助。加州鲜食葡萄委员会的葡萄栽培研究主管Maha Afifi指出，评估葡萄藤的营养状况是他们的首要任务之一，并认为这类新技术对鲜食葡萄行业的未来至关重要。这项技术有望通过提供即时、可操作的数据，帮助农民做出更明智的决策，从而提高作物产量和质量，同时降低资源消耗和环境足迹。