Australia查尔斯·达尔文年夜学、斯里兰卡佩拉德尼亚年夜学等机构科学家开发出一款轻量级人工智能（AI）平台，其AI模子于进修了该团队创立的全世界首个番茄叶数据集SLIF-Tomato中的图象后，能以99%的正确率辨认番茄作物疾病。

　　团队暗示，这一结果将轻量级深度进修技能与真正的田间数据相联合，弥合了进步前辈AI技能与农业现实运用之间的差距。相干论文发表在新一期《神经计较与运用》杂志。

　　SLIF-Tomato数据集包罗8934张图象，分为8个种别：康健及7种疾病——细菌性雀斑病、早疫病、花叶病、白粉病、败血症、枯败病及晚疫病。

　　使用这些图象举行练习后，AI算法能像练习有素的眼睛同样聚焦，而非一视同仁地扫描新照相片的每一个部门。它会锁定照片中需要重点存眷之处，放年夜现实的病斑，而纰漏泥土、暗影及配景树叶。轻忽配景滋扰、聚焦病虫害自己，使该AI平台辨认病虫害的正确率跨越99%。此前的研究注解，这一正确率只能于受控情况中实现。

　　传统的疾病检测往往依靠农夫或者农业专家的人工查抄，这是一个耗时的历程，可能延误医治并造成经济丧失。而新的轻量级AI平台可以使用资源受限的装备（如手机或者嵌入式体系）快速辨认疾病，有望最年夜限度地削减作物丧失，帮忙农夫更有用实行医治。从久远来看，这项技能可实现数据驱动的决议计划及更可连续地使用农业资源，为精准农业作出孝敬。

　　接下来，团队规划把研究结果从试验室带到实际世界举行部署，并扩大数据集，以涵盖更广泛的作物及疾病。（科技日报记者 刘霞）