Potential Use of Digital Photographic Technique to Examine Wild Blueberry Ripening in Relation to Time of Harvest
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. Northeastern North America is the world’s leading producer of wild blueberry. Ripening of wild blueberry is the leading factor for fruit quality. Currently, there are no protocols available for the farming community related to wild blueberry fruit ripening and maturity. A nondestructive, rapid, and reliable digital photography technique could be used to examine the ripening of wild blueberries for appropriate harvesting time. Two wild blueberry fields were selected to examine the berry ripening levels using digital photographic techniques at different time of harvest (early, middle, and late seasons). The fields were divided into four blocks and each block was further divided into three classes of times of harvest. Fruit images from each block were acquired and processed to count blue pixels from each image. A significant correlation was found between percentage of blue pixels and actual fruit yield in Field A (R 2 = 0.96; P < 0.001) and Field B (R 2 = 0.97; P < 0.001). The results also indicated that the effect of time of harvest on fruit yield was significant and fruit yield increased gradually during early harvesting, reached maximum during mid-season, and then started to decrease in late harvesting. Results indicated that 90% of green-berries had turned blue at the end of middle season compared to early season (58%). Based on the results of this study, optical analysis could help to keep fruit quality by optimizing appropriate harvesting time of wild blueberries. It is also suggested that the optimum time to harvest wild blueberries is middle season to ensure high fruit yield and quality. Keywords: Blue pixels, Fruit yield, Harvesting season, Wild blueberry.
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.
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 | 0,001 |
| 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 découle