A New Mathematical Modeling of Banana Fruit and Comparison with Actual Values of Dimensional Properties
Notice bibliographique
Résumé
Banana (Cavendish variety) volume, projected area and surface area were estimated by mathematical approximation. The actual volume of banana was measured using water displacement, also the actual projected area and surface area were measured by image processing technique. These parameters that calculated by mathematical method compared to the actual values by the paired t-test and the Bland-Altman approach. The estimated volume and projected area were not significantly different from the volume determined using water displacement (P > 0.05) and projected area measured by image processing technique (P> 0.05) respectively. Although the estimated surface area was significantly different from the measured surface area by image processing method, but this mathematical estimation represented a good approximation of actual surface area. The mean difference between estimation method and water displacement method was 1.58 cm3(95% confidence interval:- 0.011 and 3.18 cm3 ; P = 0.058 ). There was a mean difference of - 0.71 cm2 (95% confidence interval: -1.49 and 0.074cm2 ; P = 0.083) between mathematical estimation method and image processing technique for projected area and 2.33 cm2 (95% confidence interval: 0.3 and 4.6 cm2 ; P < 0.05) for surface area. Water displacement is time-consuming method, also absorbed water by banana is affected on its properties. Image processing technique is very costly method but mathematical estimation does not require to expensive apparatuses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».