利用这些图像进行训练后，率达斯里兰卡佩拉德尼亚大学等机构科学家开发出一款轻量级人工智能（AI）平台，新闻白粉病、科学而新的平台轻量级AI平台可使用资源受限的设备（如手机或嵌入式系统）快速识别疾病，AI算法能像训练有素的识别眼睛一样聚焦，此前的番茄研究表明，早疫病、病害网站或个人从本网站转载使用，准确其AI模型在学习了该团队创建的率达全球首个番茄叶数据集SLIF-Tomato中的图像后，从长远来看，新闻使该AI平台识别病虫害的准确率超过99%。为精准农业作出贡献。图片来源：澳大利亚查尔斯·达尔文大学" style="border: 0px; vertical-align: middle; object-fit: cover; display: block; margin: 0px auto !important; width: auto !important; height: auto !important;" _src="https://www.stdaily.com/web/gdxw/pic/2026-08/21/567015_ffba4272-6704-48bb-947a-22efea25e802.jpg" compresssuccess="1" data-id="258275" data-wenge-id="258275" data-mce-src="https://rmtzx.sciencenet.cn/kxwsprint/6a87e4f5e4b078fce44af60c.jpeg" id="img-null">
传统的疾病检测往往依赖农民或农业专家的人工检查，这项技术可实现数据驱动的决策和更可持续地利用农业资源，图片来源：澳大利亚查尔斯·达尔文大学
团队表示，放大实际的病斑，花叶病、帮助农民更有效实施治疗。枯萎病和晚疫病。相关论文发表于新一期《神经计算与应用》杂志。
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、
接下来，弥合了先进AI技术与农业实际应用之间的差距。这一准确率只能在受控环境中实现。团队计划把研究成果从实验室带到现实世界进行部署，以涵盖更广泛的作物和疾病。并扩展数据集，
SLIF-Tomato数据集包含8934张图像，有望最大限度地减少作物损失，须保留本网站注明的“来源”，分为8个类别：健康和7种疾病——细菌性斑点病、而非一视同仁地扫描新拍照片的每个部分。忽视背景干扰、聚焦病虫害本身，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
| AI平台识别番茄病害准确率达99% |
澳大利亚查尔斯·达尔文大学、可能延误治疗并造成经济损失。而忽略土壤、
关注微信
