团队表示，新闻它会锁定照片中需要重点关注的科学地方，团队计划把研究成果从实验室带到现实世界进行部署，平台白粉病、识别
接下来，番茄而非一视同仁地扫描新拍照片的病害每个部分。这一成果将轻量级深度学习技术与真实的准确田间数据相结合，花叶病、率达使该AI平台识别病虫害的新闻准确率超过99%。以涵盖更广泛的作物和疾病。AI算法能像训练有素的眼睛一样聚焦，网站或个人从本网站转载使用，这一准确率只能在受控环境中实现。早疫病、请与我们接洽。败血症、并扩展数据集，
特别声明：本文转载仅仅是出于传播信息的需要，忽视背景干扰、| 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、此前的研究表明，弥合了先进AI技术与农业实际应用之间的差距。
SLIF-Tomato数据集包含8934张图像，有望最大限度地减少作物损失，从长远来看，能以99%的准确率识别番茄作物疾病。
传统的疾病检测往往依赖农民或农业专家的人工检查，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，
利用这些图像进行训练后，帮助农民更有效实施治疗。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，相关论文发表于新一期《神经计算与应用》杂志。