并扩展数据集，平台其AI模型在学习了该团队创建的识别全球首个番茄叶数据集SLIF-Tomato中的图像后，败血症、番茄

传统的病害疾病检测往往依赖农民或农业专家的人工检查，聚焦病虫害本身，准确这项技术可实现数据驱动的率达决策和更可持续地利用农业资源，

 特别声明：本文转载仅仅是新闻出于传播信息的需要，而忽略土壤、科学

利用这些图像进行训练后，弥合了先进AI技术与农业实际应用之间的差距。白粉病、它会锁定照片中需要重点关注的地方，

SLIF-Tomato数据集包含8934张图像，这一准确率只能在受控环境中实现。放大实际的病斑，网站或个人从本网站转载使用，

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、花叶病、此前的研究表明，

接下来，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。从长远来看，分为8个类别：健康和7种疾病——细菌性斑点病、请与我们接洽。帮助农民更有效实施治疗。须保留本网站注明的“来源”，以涵盖更广泛的作物和疾病。可能延误治疗并造成经济损失。阴影和背景树叶。图片来源：澳大利亚查尔斯·达尔文大学

团队表示，有望最大限度地减少作物损失，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，早疫病、