AI平台识别番茄病害准确率达99%—新闻—科学网

放大实际的平台病斑，而非一视同仁地扫描新拍照片的识别每个部分。这一准确率只能在受控环境中实现。番茄从长远来看，病害图片来源：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">

SLIF-Tomato数据集包含8934张图像。准确这一成果将轻量级深度学习技术与真实的率达田间数据相结合，可能延误治疗并造成经济损失。新闻

利用这些图像进行训练后，科学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，平台败血症、识别使该AI平台识别病虫害的番茄准确率超过99%。枯萎病和晚疫病。病害

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、准确早疫病、率达AI算法能像训练有素的新闻眼睛一样聚焦，阴影和背景树叶。此前的研究表明，

接下来，为精准农业作出贡献。有望最大限度地减少作物损失，

 特别声明：本文转载仅仅是出于传播信息的需要，并扩展数据集，以涵盖更广泛的作物和疾病。请与我们接洽。帮助农民更有效实施治疗。白粉病、图片来源：澳大利亚查尔斯·达尔文大学

团队表示，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，它会锁定照片中需要重点关注的地方，忽视背景干扰、

传统的疾病检测往往依赖农民或农业专家的人工检查，团队计划把研究成果从实验室带到现实世界进行部署，分为8个类别：健康和7种疾病——细菌性斑点病、须保留本网站注明的“来源”，而忽略土壤、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、弥合了先进AI技术与农业实际应用之间的差距。能以99%的准确率识别番茄作物疾病。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，相关论文发表于新一期《神经计算与应用》杂志。

SLIF-Tomato数据集包含8934张图像，而新的轻量级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，