Measurement of Hard Vitreous Kernels in Durum Wheat by Machine Vision
Notice bibliographique
Résumé
ABSTRACT An imaging method that detects nonvitreous regions in sound kernels of durum wheat at high speed is described. Kernels are analyzed simultaneously for individual vitreousness and individual kernel size and shape are measured concurrently. The measurement of 500 kernels per sample is adequate for highly reproducible results. Significant agreement was found between inspector‐determined hard vitreous kernel percentages (HVK) and machine‐determined HVK scores for export cargo samples of Canadian Western Amber Durum (CWAD), with differences between the two methods of typically ±3%. For railcar samples of CWAD taken on delivery to the terminal, agreement between inspector‐determined and machine‐determined HVK scores were more variable. The variability between the two methods generally increased as the HVK score of the sample became lower. For inspector‐determined HVK scores of <50%, difference between inspector and machine HVK scores for some samples was substantial. Such large differences are partially attributable to the way in which weathered kernels are assessed. Weather‐damaged kernels were frequently classified as nonvitreous by the machine system due to disruption of the enveloping tissues, whereas inspector evaluations often classify weather‐damaged kernels as vitreous. The speed, accuracy, and reproducibility of the machine methodology gives it enormous potential as a replacement for visual inspection of CWAD for HVK in Canadian grain terminals.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».