Abstract Agriculture plays an important role in sustaining all human activities. Major challenges such as overpopulation, competition for resources poses a threat to the food security of the planet. In order to tackle the ever-increasing complex problems in agricultural production systems, advancements in smart farming and precision agriculture offers important tools to address agricultural sustainability challenges. Data analytics hold the key to ensure future food security, food safety, and ecological sustainability. Disruptive information and communication technologies such as machine learning, big data analytics, cloud computing, and blockchain can address several problems such as productivity and yield improvement, water conservation, ensuring soil and plant health, and enhance environmental stewardship. The current study presents a systematic review of machine learning (ML) applications in agricultural supply chains (ASCs). Ninety three research papers were reviewed based on the applications of different ML algorithms in different phases of the ASCs. The study highlights how ASCs can benefit from ML techniques and lead to ASC sustainability. Based on the study findings an ML applications framework for sustainable ASC is proposed. The framework identifies the role of ML algorithms in providing real-time analytic insights for pro-active data-driven decision-making in the ASCs and provides the researchers, practitioners, and policymakers with guidelines on the successful management of ASCs for improved agricultural productivity and sustainability.

中文翻译：

---

机器学习在可持续农业供应链绩效中的应用的系统文献综述

摘要 农业在维持人类所有活动中发挥着重要作用。人口过剩、资源竞争等重大挑战对地球的粮食安全构成威胁。为了解决农业生产系统中日益复杂的问题，智能农业和精准农业的进步为应对农业可持续性挑战提供了重要工具。数据分析是确保未来粮食安全、食品安全和生态可持续性的关键。机器学习、大数据分析、云计算和区块链等颠覆性信息和通信技术可以解决若干问题，例如生产力和产量提高、节水、确保土壤和植物健康以及加强环境管理。当前的研究对农业供应链 (ASC) 中的机器学习 (ML) 应用进行了系统回顾。根据不同 ML 算法在 ASC 不同阶段的应用，对 93 篇研究论文进行了审查。该研究强调了 ASC 如何从 ML 技术中受益并实现 ASC 的可持续性。根据研究结果，提出了可持续 ASC 的 ML 应用程序框架。该框架确定了 ML 算法在为 ASC 中主动数据驱动决策提供实时分析见解方面的作用，并为研究人员、从业者和政策制定者提供了成功管理 ASC 以提高农业生产力和可持续性。根据不同 ML 算法在 ASC 不同阶段的应用，对 93 篇研究论文进行了审查。该研究强调了 ASC 如何从 ML 技术中受益并实现 ASC 的可持续性。根据研究结果，提出了可持续 ASC 的 ML 应用程序框架。该框架确定了 ML 算法在为 ASC 中主动数据驱动决策提供实时分析见解方面的作用，并为研究人员、从业人员和政策制定者提供了成功管理 ASC 以提高农业生产力和可持续性。根据不同 ML 算法在 ASC 不同阶段的应用，对 93 篇研究论文进行了审查。该研究强调了 ASC 如何从 ML 技术中受益并实现 ASC 的可持续性。根据研究结果，提出了可持续 ASC 的 ML 应用程序框架。该框架确定了 ML 算法在为 ASC 中主动数据驱动决策提供实时分析见解方面的作用，并为研究人员、从业人员和政策制定者提供了成功管理 ASC 以提高农业生产力和可持续性。根据研究结果，提出了可持续 ASC 的 ML 应用程序框架。该框架确定了 ML 算法在为 ASC 中主动数据驱动决策提供实时分析见解方面的作用，并为研究人员、从业人员和政策制定者提供了成功管理 ASC 以提高农业生产力和可持续性。根据研究结果，提出了可持续 ASC 的 ML 应用程序框架。该框架确定了 ML 算法在为 ASC 中主动数据驱动决策提供实时分析见解方面的作用，并为研究人员、从业人员和政策制定者提供了成功管理 ASC 以提高农业生产力和可持续性。