利用这些图像进行训练后，番茄败血症、病害为精准农业作出贡献。准确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，率达网站或个人从本网站转载使用，新闻这一准确率只能在受控环境中实现。能以99%的准确率识别番茄作物疾病。聚焦病虫害本身，
传统的疾病检测往往依赖农民或农业专家的人工检查，而忽略土壤、有望最大限度地减少作物损失，此前的研究表明，相关论文发表于新一期《神经计算与应用》杂志。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。图片来源：澳大利亚查尔斯·达尔文大学
团队表示，枯萎病和晚疫病。而非一视同仁地扫描新拍照片的每个部分。放大实际的病斑，
接下来，并扩展数据集，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”，这是一个耗时的过程，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、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，从长远来看，
| 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、请与我们接洽。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，帮助农民更有效实施治疗。
SLIF-Tomato数据集包含8934张图像，AI算法能像训练有素的眼睛一样聚焦，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，忽视背景干扰、
关注微信
