全球約四分之一的陸地面積被農業放牧系統覆蓋，精準評估牧草供應量對於牲畜生產力、土地狀況及永續發展至關重要。傳統的牧草測量方式多依賴人工採樣與田野評估，不僅耗時、成本高昂，且難以大規模應用。
為解決此困境，澳洲聯邦科學與工業研究組織（CSIRO）攜手 Google Australia 及澳洲肉類畜牧協會（MLA），共同舉辦了一場名為「Image2Biomass Prediction Competition」的全球性 Kaggle 挑戰賽。這項賽事旨在透過人工智慧（AI）技術，革新農業數據測量方法，特別是透過影像預估牧草生物量（biomass）。
此次競賽吸引了來自 109 個國家、約 14,000 名參賽者註冊，總計提交近 100,000 個模型方案。最終，來自中國的「Team 卷不動了」、越南的「Team dino series」以及美國的「Team embee」脫穎而出。其中，由「Team 卷不動了」奪得冠軍，其方法將現有牧草量視為計數問題，使模型能有效適應多變的環境條件。
「Team dino series」則專注於理解影像中的牧草分佈，並運用模擬環境變異來強化模型效能；「Team embee」則透過整合多個模型來提升魯棒性（robustness），確保在不同數據集下都能提供一致且可靠的結果。聯邦科學與工業研究組織資深首席研究科學家 Dadong Wang 博士表示，獲勝方案顯示即使使用相對少量數據，也能達成可靠成果，這使這些工具在現實農場環境中具有實用性，因為實際條件不斷變化。
聯邦科學與工業研究組織指出，先進的 AI 模型能從影像中學習並提取有意義的資訊，例如可供放牧的植物材料數量，並在多變的環境中保持穩定性。澳洲肉類畜牧協會科學與創新組經理 Michael Lee 強調，精確理解牧草供應量及其組成，是放牧管理的基礎。此次競賽所展示的解決方案，預示著未來將能減少對人工測量的依賴，為生產者提供更快、更豐富的洞察，以支持日常決策。
聯邦科學與工業研究組織將深入分析這些獲勝方案，為未來的研究與發展提供參考，並持續與產業夥伴合作，探索如何將最有潛力的方法轉化為實用且可規模化的牧草測量工具。Google Australia 合作夥伴關係負責人 Scott Riddle 先生亦表示，聯邦科學與工業研究組織的科學專業知識、澳洲肉類畜牧協會的產業洞察，以及全球 Kaggle 社群的結合，展現了夥伴關係如何彌合研究與實際解決方案之間的差距。這項工作獲得了 FrontierSI 的支持。
