Characterizing the Frequency Distributions for Fruit Firmness of Sweet Cherry Cultivars
Notice bibliographique
Résumé
Fruit firmness is among the most important characteristics for the quality of sweet cherries. However, little has been published on its underlying frequency distribution. This research was undertaken to examine the firmness distributions (n = 48) from six cultivars [Sandra Rose, Summit, Lapins, Skeena, Sumtare (Sweetheart™), and 13S2009 (Staccato™)], two field treatments [with or without gibberellic acid (GA)], two storage times (0 and 7 days), and two growing seasons (2013 and 2014). Fruit was sampled (n = 300) at optimal maturity and firmness was evaluated using the FirmTech2 Fruit Firmness Tester. Firmness distributions were examined using descriptive statistics: mean, median, standard deviation ( sd ), minimum, maximum, range, skewness, and excess kurtosis. Nonnormality was assessed using skewness and kurtosis test statistics. Exponential models were fitted to the ascending and descending portions of the distributions and the proportion of “too soft” (percentage < 2.56 N·mm −1 ) and “too hard” (percentage > 4.71 N·mm −1 ) fruit was determined. A relatively high proportion of distributions were nonnormal (16/24 to 18/24), either skewed, peaked, or both. While most skewed distributions were skewed negatively, with a higher proportion of softer fruit, the distributions for ‘Sandra Rose’ were skewed positively, with a higher proportion of firmer fruit. Principal component analysis (PCA) showed seasonal, cultivar, treatment, and storage effects among three subsets of cultivars with differing characteristic firmness. The softer early-harvest cultivars (Sandra Rose and Summit) had a higher proportion of “too soft” fruit. GA and storage treatments increased mean firmness and reduced the proportion of “too soft” fruit. The firmer late-harvest cultivars (Skeena, Sumtare, and 13S2009) had a small proportion of “too hard” fruit (0% to 19.3%). The work gained insight into the nature of the firmness distributions for sweet cherries and the type of statistics that are most appropriate for analyzing the data.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».