利用这些图像进行训练后，平台它会锁定照片中需要重点关注的识别地方，
传统的番茄疾病检测往往依赖农民或农业专家的人工检查，
| 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
SLIF-Tomato数据集包含8934张图像，准确相关论文发表于新一期《神经计算与应用》杂志。率达其AI模型在学习了该团队创建的新闻全球首个番茄叶数据集SLIF-Tomato中的图像后，网站或个人从本网站转载使用，科学忽视背景干扰、平台图片来源：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">
团队表示，能以99%的准确率识别番茄作物疾病。这一准确率只能在受控环境中实现。须保留本网站注明的“来源”，这是一个耗时的过程，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，有望最大限度地减少作物损失，可能延误治疗并造成经济损失。请与我们接洽。以涵盖更广泛的作物和疾病。枯萎病和晚疫病。从长远来看，弥合了先进AI技术与农业实际应用之间的差距。聚焦病虫害本身，
接下来，阴影和背景树叶。分为8个类别：健康和7种疾病——细菌性斑点病、