Mass Determination of Wheat Kernels from X-ray Images
Notice bibliographique
Résumé
Using soft X-ray it is possible to detect insect infestations in grain samples. Numerous studies havedetermined the potential of the soft x-ray method to identify insect-infested grain kernels by different types ofinsects. Only a few attempts have been made to determine the insect types and their developmental stages frominfested grain samples that would help to decide management strategies. Mass loss in infested grain kernelsdepends on the insect type and its life stages. Hence, a correlation between the features obtained from the x-rayimages of grain kernels and their mass may be an improved way of determining insect species and theirdevelopmental stages. In this study, area and total gray values extracted from the x-ray images of the kernels werecorrelated to their mass. Single kernels of Canada Western Red Spring wheat was scanned at 15.5 kV and 70 Awith kernels crease facing down and up or sideways. For kernels scanned with the crease down, correlationcoefficients of over 0.70 were obtained for area and total gray values. However, for kernels with crease up or on theside a poor correlation (r2 = 0.35) was determined between total gray value and mass. This was due to the fact thatreal time x-ray images have less gray values for dense areas. Hence, all images were transformed into negativeimages and then analyzed. These images showed a good correlation (r2 above 0.70) between the features from thex-ray images and kernels mass for both crease down and up kernels. This relationship may also be used to identifyforeign materials and mechanically damaged kernels in grain samples during identification of insect-infested grainkernels.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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 tête enseignante, 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 ».