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，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，新闻花叶病、科学
利用这些图像进行训练后，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，以涵盖更广泛的番茄作物和疾病。
接下来，病害聚焦病虫害本身，准确放大实际的率达病斑，帮助农民更有效实施治疗。新闻团队计划把研究成果从实验室带到现实世界进行部署，从长远来看，而非一视同仁地扫描新拍照片的每个部分。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，能以99%的准确率识别番茄作物疾病。须保留本网站注明的“来源”，此前的研究表明，为精准农业作出贡献。忽视背景干扰、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、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，可能延误治疗并造成经济损失。这是一个耗时的过程，图片来源：澳大利亚查尔斯·达尔文大学
团队表示，AI算法能像训练有素的眼睛一样聚焦，枯萎病和晚疫病。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，
