Non-destructive measurement of tomato quality using visible and near-infrared reflectance spectroscopy
Notice bibliographique
Résumé
Experiments were conducted to assess the feasibility of determining the quality attributes of tomato (Lycopersicon esculentum Mill cv 'DRK 453' and 'Trust') based upon visible/near-infrared reflectance (VIS/NIR) spectroscopy. A partial least squares regression (PLS) method was used to build prediction models. Excellent prediction performance was achieved for lycopene content (LC), colour value a*/b* ratio, tomato colour index (TCI), and firmness. Coefficient of determination (R2) for each of the parameters was respectively 0.96, 0.99, 0.99, and 0.97. All these R2 were significant at 1% level. The root mean square errors of prediction (RMSEP) for all the parameters were low indicating the high quality of the fit of the prediction models. The values were 2.15, 0.06, 1.52, and 1.44 for LC, a*/b* ratio, TCI, and firmness, respectively. However, the models for prediction of titratable acidity, soluble solids content (SSC) and acid-Brix ratio showed relatively poor reliability, with R2 value of 0.49, 0.03 and 0.65, and RMSEP of 0.43, 0.15 and 0.08, respectively. Further, a model built by the PLS2 method showed good performance in simultaneously predicting a*/b* ratio, TCI, firmness, and LC of tomato, with R2 values of 0.99, 0.99, 0.97, and 0.92, and RMSEP of 0.06, 1.75, 1.44, and 3.03, respectively. Once again here all the R2 values were significant at 1% level.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».