Development of a predictive model for ‘Lapins’ sweet cherry dry matter content using a visible/near infrared spectrometer and its potential application to other cultivars.
Notice bibliographique
Résumé
This work was conducted to determine if a useful model could be developed for a portable visible/near-infrared spectrometer for non-destructively predicting dry matter content in ‘Lapins’ and other cultivars of sweet cherries. Absorptions at a range of 948–957 nm (default selected by the instrument model-building program) or 858–1008 nm (user selected) were used to create models associating absorption values with actual measured dry matter contents of cherries. The best model was created using the user selected waveband and this model was determined to be highly predictive of dry matter, with a resolution of 0.5% dry matter content. External validation of this model was carried out using three different sweet cherry cultivars (Staccato™, Sentennial™, and Sovereign™) and the model was found to be robust, i.e., quite accurate in predicting dry matter content in these other cultivars, with R2 values of 0.96, 0.94, and 0.99, and root mean square error of prediction values of 0.51, 0.74, and 0.56, respectively. The results indicate that dry matter in sweet cherries can be predicted accurately and non-destructively using visible/near-infrared spectroscopy. In the case of the cherry cultivars tested in this paper, a model developed using ‘Lapins’ fruit was reliable in predicting dry matter in these other cultivars.
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 ».