为了扩大生态农业，可以利用三个杠杆来解决 4.2 中确定的障碍：

• 监测动物、植物及其环境的系统；

• 决策支持工具；

• 机器人技术。

采集和诊断系统

这里的挑战在于以低成本和低环境影响在农场获得准确、可靠的数据，为农民提供有关其系统状态（动物、植物、收成等）的快速、易于理解的信息。)，从而能够及早发现故障并协助他们进行决策。大规模、全面的数据采集也有助于促进农场的大规模表型分析，目标是开发农业生态学领域的新知识。对于牲畜育种，我们可以添加与测量和传播、伦理问题以及对非常规牲畜育种形式的公认需求相关的限制。在农业生态学的背景下，一个关键问题是检测故障，即“覆盖”（检测系统覆盖的区域）与特异性之间的折衷。由于需要建立联系、成本、能源供应以及牲畜饲养中的误报问题，具体测量（例如检测病毒或细菌）很复杂（Dominiak 和 Kristensen，2017 年）。研究必须具有包容性，面向“中等水平的仪器”和所有农民都可以使用的设备（Bergez 等人，2019；Dumont 等人，2018）。

采集系统、传感器和物联网、数据管理系统和与农民核心业务相关并符合其战略的相关数字模型的研究可以侧重于：

• 创建新的传感器，同时尊重农业的典型限制（节俭、成本、能源使用等）。有必要在传感器的自主性、其环境影响、其空间和时间分辨率与特异性、测量质量、耐用性、对研究对象的适用性以及测量环境的使用和维护简单性之间寻求折衷，最后两个因素对于解决方案的接受度至关重要。出于简化人机界面的相同目标，研究可以致力于开发使农民能够输入信息的音频设备（例如电子作物登记册）：语音识别、本体对齐等。最后，为了提高对这些的理解在农业生态系统中，越来越清楚的是，我们不仅必须考虑环境的物理参数，还要考虑环境的生物参数（动物/土壤微生物群），这将产生对组学方法的需求。

• 优化数据传输模式，使数据自动传输到处理中心，实际上消除了农场大规模表型分析的主要因素 co（Wolfert 等人，2017 年）；这提出了与传感器、传感器网络（例如群体智能）等电源相关的研究问题。

• 限制传感器数量（符合节俭）和更容易以非侵入方式测量某些参数的愿望也需要研究智能传感器，即组合来自“简单”传感器的数据来估计这些参数通过适当的数据处理（例如机器学习）的复杂参数。这些发展对信息质量和不确定性的影响仍有待评估。

收集后，信息可用于诊断目的，用于描述农业系统的状态并检测可能需要响应的任何故障。研究可以探索诊断模型的构建。尽管该问题并非特定于农业并且也影响其他部门，但研究必须纳入该领域（农业）的知识，以解决以下优先事项：