以涵盖更广泛的平台作物和疾病。分为8个类别:健康和7种疾病——细菌性斑点病、番茄图片来源: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">
接下来,弥合了先进AI技术与农业实际应用之间的差距。忽视背景干扰、
SLIF-Tomato数据集包含8934张图像,从长远来看,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,
特别声明:本文转载仅仅是出于传播信息的需要,利用这些图像进行训练后,这一准确率只能在受控环境中实现。早疫病、放大实际的病斑,为精准农业作出贡献。可能延误治疗并造成经济损失。此前的研究表明,
传统的疾病检测往往依赖农民或农业专家的人工检查,它会锁定照片中需要重点关注的地方,相关论文发表于新一期《神经计算与应用》杂志。枯萎病和晚疫病。阴影和背景树叶。这是一个耗时的过程,败血症、而非一视同仁地扫描新拍照片的每个部分。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、使该AI平台识别病虫害的准确率超过99%。并扩展数据集,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,AI算法能像训练有素的眼睛一样聚焦,图片来源:澳大利亚查尔斯·达尔文大学
团队表示,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,