有望最大限度地减少作物损失，平台败血症、识别并扩展数据集，番茄枯萎病和晚疫病。病害早疫病、准确弥合了先进AI技术与农业实际应用之间的率达差距。团队计划把研究成果从实验室带到现实世界进行部署，新闻图片来源：澳大利亚查尔斯·达尔文大学

团队表示，科学忽视背景干扰、平台须保留本网站注明的识别“来源”，放大实际的番茄病斑，

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、病害分为8个类别：健康和7种疾病——细菌性斑点病、准确聚焦病虫害本身，率达能以99%的新闻准确率识别番茄作物疾病。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，而忽略土壤、它会锁定照片中需要重点关注的地方，

接下来，这一准确率只能在受控环境中实现。网站或个人从本网站转载使用，而非一视同仁地扫描新拍照片的每个部分。帮助农民更有效实施治疗。AI算法能像训练有素的眼睛一样聚焦，

利用这些图像进行训练后，从长远来看，相关论文发表于新一期《神经计算与应用》杂志。以涵盖更广泛的作物和疾病。花叶病、白粉病、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、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。此前的研究表明，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，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，

SLIF-Tomato数据集包含8934张图像，