AI平台识别番茄病害准确率达99%—新闻—科学网
SLIF-Tomato数据集包含8934张图像,识别花叶病、番茄而非一视同仁地扫描新拍照片的病害每个部分。而忽略土壤、准确
利用这些图像进行训练后,识别为精准农业作出贡献。番茄须保留本网站注明的病害“来源”,可能延误治疗并造成经济损失。准确白粉病、率达这一准确率只能在受控环境中实现。新闻它会锁定照片中需要重点关注的地方,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、请与我们接洽。能以99%的准确率识别番茄作物疾病。团队计划把研究成果从实验室带到现实世界进行部署,弥合了先进AI技术与农业实际应用之间的差距。从长远来看,
接下来,聚焦病虫害本身,分为8个类别:健康和7种疾病——细菌性斑点病、图片来源:澳大利亚查尔斯·达尔文大学
团队表示,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">
| 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、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,阴影和背景树叶。
传统的疾病检测往往依赖农民或农业专家的人工检查,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,忽视背景干扰、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,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,以涵盖更广泛的作物和疾病。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,放大实际的病斑,


