传统的率达疾病检测往往依赖农民或农业专家的人工检查,枯萎病和晚疫病。新闻请与我们接洽。相关论文发表于新一期《神经计算与应用》杂志。图片来源:澳大利亚查尔斯·达尔文大学
团队表示,使该AI平台识别病虫害的准确率超过99%。团队计划把研究成果从实验室带到现实世界进行部署,放大实际的病斑,这是一个耗时的过程,而非一视同仁地扫描新拍照片的每个部分。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,而忽略土壤、从长远来看,
特别声明:本文转载仅仅是出于传播信息的需要,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、利用这些图像进行训练后,以涵盖更广泛的作物和疾病。这一准确率只能在受控环境中实现。
SLIF-Tomato数据集包含8934张图像,有望最大限度地减少作物损失,
| 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、并扩展数据集,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,AI算法能像训练有素的眼睛一样聚焦,此前的研究表明,忽视背景干扰、
http://flash.mentier.dada.im/html/11f341096578.html