📢 转载信息
原文链接：https://www.nature.com/articles/d41586-025-03723-z
原文作者：Tavares Cebola
Neema Mduma is a computer scientist at the Nelson Mandela African Institution of Science and Technology, Arusha, Tanzania. Credit: Kang-Chun Cheng for Nature
“这张照片是去年八月在坦桑尼亚北部阿鲁沙的Sing’isi村拍摄的，当时我的同事和我正在对农民进行实地考察。我正在演示如何使用我们内部开发的手机应用KilimoAI来检查作物叶片。该应用通过分析植物的照片来检测可能的病害症状。”
这是我在阿鲁沙的纳尔逊·曼德拉非洲科技研究所（Nelson Mandela African Institution of Science and Technology）人工智能与复杂系统组工作的一部分。我负责指导旨在将人工智能应用于农业、保护和发展领域实际挑战的项目。
为了开发这款应用，我的同事和我收集了数千张健康和患病作物的叶片照片。到目前为止，我们主要关注影响玉米、豆类（Phaseolus spp.）、香蕉和土豆的病害。
收集完图像后，图像会经过一个验证过程，由阿鲁沙的坦桑尼亚农业研究所的植物病理学家协助完成。我们使用这个数据集来训练机器学习模型，使其能够区分健康和患病的植物，甚至对特定的病害类型进行分类。一部分数据会留作测试，以便我们评估模型的准确性。
Nature 647, 814 (2025)
doi: https://doi.org/10.1038/d41586-025-03723-z
本次访谈已为长度和清晰度进行了编辑。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区