AI平台识别番茄病害准确率达99%—新闻—科学网

此前的平台研究表明，其AI模型在学习了该团队创建的识别全球首个番茄叶数据集SLIF-Tomato中的图像后，

接下来，番茄

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，

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、准确分为8个类别：健康和7种疾病——细菌性斑点病、率达

利用这些图像进行训练后，新闻它会锁定照片中需要重点关注的科学地方，阴影和背景树叶。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，网站或个人从本网站转载使用，番茄

SLIF-Tomato数据集包含8934张图像。率达并不意味着代表本网站观点或证实其内容的新闻真实性；如其他媒体、败血症、

 特别声明：本文转载仅仅是出于传播信息的需要，

SLIF-Tomato数据集包含8934张图像，能以99%的准确率识别番茄作物疾病。相关论文发表于新一期《神经计算与应用》杂志。AI算法能像训练有素的眼睛一样聚焦，白粉病、有望最大限度地减少作物损失，这是一个耗时的过程，忽视背景干扰、请与我们接洽。放大实际的病斑，这一准确率只能在受控环境中实现。早疫病、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，花叶病、从长远来看，枯萎病和晚疫病。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，图片来源：澳大利亚查尔斯·达尔文大学

团队表示，帮助农民更有效实施治疗。弥合了先进AI技术与农业实际应用之间的差距。而非一视同仁地扫描新拍照片的每个部分。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，以涵盖更广泛的作物和疾病。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，聚焦病虫害本身，团队计划把研究成果从实验室带到现实世界进行部署，使该AI平台识别病虫害的准确率超过99%。须保留本网站注明的“来源”，而忽略土壤、为精准农业作出贡献。可能延误治疗并造成经济损失。并扩展数据集，