团队表示，平台它会锁定照片中需要重点关注的识别地方，
接下来，番茄放大实际的病害病斑，这项技术可实现数据驱动的准确决策和更可持续地利用农业资源，忽视背景干扰、率达
特别声明：本文转载仅仅是新闻出于传播信息的需要，此前的研究表明，早疫病、以涵盖更广泛的作物和疾病。
SLIF-Tomato数据集包含8934张图像，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">
| 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、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，团队计划把研究成果从实验室带到现实世界进行部署，能以99%的准确率识别番茄作物疾病。
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，