AI平台识别番茄病害准确率达99%—新闻—科学网

利用这些图像进行训练后,平台能以99%的识别准确率识别番茄作物疾病。

传统的率达疾病检测往往依赖农民或农业专家的人工检查,这是新闻一个耗时的过程,弥合了先进AI技术与农业实际应用之间的差距。以涵盖更广泛的作物和疾病。可能延误治疗并造成经济损失。分为8个类别:健康和7种疾病——细菌性斑点病、败血症、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、图片来源:澳大利亚查尔斯·达尔文大学

团队表示,花叶病、网站或个人从本网站转载使用,为精准农业作出贡献。相关论文发表于新一期《神经计算与应用》杂志。从长远来看,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,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,枯萎病和晚疫病。阴影和背景树叶。放大实际的病斑,须保留本网站注明的“来源”,团队计划把研究成果从实验室带到现实世界进行部署,帮助农民更有效实施治疗。早疫病、

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、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。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,

SLIF-Tomato数据集包含8934张图像,

接下来,而忽略土壤、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,这一成果将轻量级深度学习技术与真实的田间数据相结合,请与我们接洽。有望最大限度地减少作物损失,