团队表示,有望最大限度地减少作物损失,
利用这些图像进行训练后,放大实际的病斑,使该AI平台识别病虫害的准确率超过99%。花叶病、阴影和背景树叶。
SLIF-Tomato数据集包含8934张图像,早疫病、白粉病、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,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,其AI模型在学习了该团队创建的全球首个番茄叶数据集SLIF-Tomato中的图像后,团队计划把研究成果从实验室带到现实世界进行部署,
| 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、相关论文发表于新一期《神经计算与应用》杂志。
接下来,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,以涵盖更广泛的作物和疾病。请与我们接洽。AI算法能像训练有素的眼睛一样聚焦,



















