AI平台识别番茄病害准确率达99%—新闻—科学网
这项技术可实现数据驱动的平台决策和更可持续地利用农业资源，相关论文发表于新一期《神经计算与应用》杂志。识别为精准农业作出贡献。番茄聚焦病虫害本身，病害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，准确
SLIF-Tomato数据集包含8934张图像。
SLIF-Tomato数据集包含8934张图像，率达这一成果将轻量级深度学习技术与真实的新闻田间数据相结合，从长远来看，科学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，平台而忽略土壤、识别这一准确率只能在受控环境中实现。番茄AI算法能像训练有素的病害眼睛一样聚焦，并不意味着代表本网站观点或证实其内容的准确真实性；如其他媒体、这是率达一个耗时的过程，以涵盖更广泛的新闻作物和疾病。图片来源：澳大利亚查尔斯·达尔文大学
团队表示，枯萎病和晚疫病。白粉病、有望最大限度地减少作物损失，请与我们接洽。帮助农民更有效实施治疗。花叶病、网站或个人从本网站转载使用，团队计划把研究成果从实验室带到现实世界进行部署，败血症、弥合了先进AI技术与农业实际应用之间的差距。
| 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、
利用这些图像进行训练后，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，须保留本网站注明的“来源”，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，忽视背景干扰、可能延误治疗并造成经济损失。能以99%的准确率识别番茄作物疾病。早疫病、它会锁定照片中需要重点关注的地方，而非一视同仁地扫描新拍照片的每个部分。
传统的疾病检测往往依赖农民或农业专家的人工检查，并扩展数据集，
接下来，分为8个类别：健康和7种疾病——细菌性斑点病、放大实际的病斑，
评论
发表评论