初創公司EarthOptics認為精準農業的下一個前沿領域就在土壤的深處。該公司利用高科技成像技術，聲稱可以比傳統技術更快、更好、更便宜地繪製田地的物理和化學成分圖，並且已經籌集了1000萬美元來擴大其解決方案。
EarthOptics表示，在農業中使用現代數據和精準數據，已經取得了巨大的進步，空中和衛星圖像以及物聯網注入的濕度和氮氣等傳感器使田地的表面數據更加豐富，但深入土壤一英尺左右，事情就變得棘手了。一塊田地的不同部分可能具有非常不同的物理特性，如土壤壓實，這可能會大大影響作物的結果，以及化學特性，如溶解的營養物質和微生物組。然而，檢查這些東西的最好方法是在地里放一根非常昂貴的檢測棒，但是如果你有一萬英畝的土地需要追蹤，每年每幾英畝取一次或兩次土壤樣本的成本就會迅速增加。
EarthOptics已經建立了一個成像套件，依靠地面穿透雷達和電磁感應來產生土壤的深層地圖，這比從單一樣本中推斷出數英畝的數據更容易、更便宜、更精確，最大限度地減少用戶的檢測費用。同時，機器學習技術該公司GroundOwl和C-Mapper工具的核心。該團隊訓練了一個模型，將無接觸數據與以更低速度採集的傳統樣本進行調和，學習準確地預測土壤特徵，其精確度遠遠超過傳統上可能的水平。成像硬件可以安裝在普通的拖拉機或卡車上，每隔幾英尺就會有讀數。
用今天的方法，你可能會把你的數千英畝土地分成50英畝的小塊，這塊需要更多的氮，這塊需要翻耕，這塊需要這樣或那樣的處理。EarthOptics將其縮小到米的規模，數據可以直接輸入機器人田間機械，如可變深度智能耕作機。所以數據也可以作為一個更普通的地圖，在更普遍的意義上告訴司機何時耕作或執行其他任務。
如果這種方法起飛，對於希望緊縮開支的農民來說，它可能意味着重大的節約，對於那些希望擴大規模的農民來說，則意味着每英畝和每美元生產率的提高。而最終的目標也是實現自動化和機器人耕作。隨着設備和實踐的不斷完善，這一轉變還處於早期階段，但它們都需要良好的數據。
DEarthOptics希望自己開發的傳感器套件應用於機器人拖拉機、耕作機和其他農業設備上，但他們的產品在很大程度上是數據和機器學習模型，他們已經用數萬個地面實測數據對模型進行了訓練。