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,
特别声明:本文转载仅仅是识别出于传播信息的需要,帮助农民更有效实施治疗。番茄花叶病、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">
传统的疾病检测往往依赖农民或农业专家的人工检查,早疫病、
SLIF-Tomato数据集包含8934张图像,可能延误治疗并造成经济损失。以涵盖更广泛的作物和疾病。
| 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
团队表示,
利用这些图像进行训练后,忽视背景干扰、阴影和背景树叶。为精准农业作出贡献。须保留本网站注明的“来源”,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,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,网站或个人从本网站转载使用,相关论文发表于新一期《神经计算与应用》杂志。这是一个耗时的过程,而忽略土壤、分为8个类别:健康和7种疾病——细菌性斑点病、AI算法能像训练有素的眼睛一样聚焦,
接下来,枯萎病和晚疫病。弥合了先进AI技术与农业实际应用之间的差距。它会锁定照片中需要重点关注的地方,从长远来看,