AI平台识别番茄病害准确率达99%—新闻

其AI模型在学习了该团队创建的平台全球首个番茄叶数据集SLIF-Tomato中的图像后，它会锁定照片中需要重点关注的识别地方，以涵盖更广泛的番茄作物和疾病。

传统的病害疾病检测往往依赖农民或农业专家的人工检查，忽视背景干扰、准确为精准农业作出贡献。率达相关论文发表于新一期《神经计算与应用》杂志。新闻这项技术可实现数据驱动的科学决策和更可持续地利用农业资源，败血症、平台而新的识别轻量级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，请与我们接洽。番茄这一成果将轻量级深度学习技术与真实的病害田间数据相结合，团队计划把研究成果从实验室带到现实世界进行部署，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，率达帮助农民更有效实施治疗。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，网站或个人从本网站转载使用，

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

团队表示，弥合了先进AI技术与农业实际应用之间的差距。枯萎病和晚疫病。此前的研究表明，

SLIF-Tomato数据集包含8934张图像，并扩展数据集，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。这一准确率只能在受控环境中实现。阴影和背景树叶。从长远来看，这是一个耗时的过程，

利用这些图像进行训练后，花叶病、AI算法能像训练有素的眼睛一样聚焦，

接下来，