A rapid method to detect <i>Cryptolestes ferrugineus</i> (Coleoptera: Cucujidae) larvae in stored grain
Notice bibliographique
Résumé
Modifications of three detection methods, based on the heat-gradient principle employed by the Berlese funnel method were investigated to extract larvae of the rusty grain beetle, Cryptolestes ferrugineus (Stephens), developing under the seed coats of infested kernels in grain samples. One-kilogram samples of wheat, barley and corn were artificially infested with rusty grain beetle eggs, resulting in survival rates (to larval stage) of 71.1 ± 14.4, 58.9 ± 14.3, and 24.7 ± 11.8%, respectively. Sets of 10 infested kernels containing different-aged larvae (10 individuals × 4 instars) were added to 1-kg samples of hydrated grain, then heated on screens beneath heat sources (lights) at several heights in three different containers (Berlese funnel, with a 7-cm-deep grain layer, or square and rectangular screened boxes with a grain layer several kernels deep). There were no significantly different extraction rates between the rectangular and square containers for all heating trials. A larval extraction rate of 31% was produced by 1-h trials with wheat (15% moisture content wet basis) 5.5 cm below the lamp bank with a thermostat set at 50°C. This matched the efficiency of the Berlese funnel method (36% extraction in 6 h), but in much less time. Similar results were found for barley, bu t for corn the square and rectangle gave significantly better extraction than the Berlese funnel, although extraction efficiency was half that of wheat and barley. Considerably lower extraction rates were obtained from trials that did not use a thermostat. The results from this experiment show that there is a potential alternative detection method with the thermostatically controlled heating of a thin layer of grain that should be faster than the conventional 6-h Berlese funnel method. Key words: Cryptolestes ferrugineus, grain, larval extraction, Berlese funnel, grain monolayer
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».