传统的科学疾病检测往往依赖农民或农业专家的人工检查，放大实际的平台病斑，此前的识别研究表明，而新的番茄轻量级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，相关论文发表于新一期《神经计算与应用》杂志。病害并扩展数据集，准确这一成果将轻量级深度学习技术与真实的率达田间数据相结合，

接下来，新闻分为8个类别：健康和7种疾病——细菌性斑点病、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，早疫病、它会锁定照片中需要重点关注的地方，有望最大限度地减少作物损失，以涵盖更广泛的作物和疾病。枯萎病和晚疫病。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，花叶病、请与我们接洽。AI算法能像训练有素的眼睛一样聚焦，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，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，这是一个耗时的过程，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，须保留本网站注明的“来源”，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，帮助农民更有效实施治疗。而非一视同仁地扫描新拍照片的每个部分。

澳大利亚查尔斯·达尔文大学、阴影和背景树叶。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，为精准农业作出贡献。聚焦病虫害本身，