Estimation of Leaf Area of Jackfruit Through Non-destructive Method
Notice bibliographique
Résumé
The objective of this study was to determine mathematical equations that estimate the leaf area of jackfruit (Artocarpus heterophyllus) in an easy and non-destructive way based on linear dimensions. In this way, 300 leaves of different sizes and in good sanitary condition of adult plants were collected at the Federal Institute of Espírito Santo, Campus Itapina, located in Colatina, municipality north of the State of Espírito Santo, Brazil. Were measured The length (L) along the midrib and the maximum leaf width (W), observed leaf area (OLA), besides the product of the multiplication of length with width (LW), length with length (LL) and width with width (WW). The models of linear equations of first degree, quadratic and power and their respective R2 were adjusted using OLA as dependent variable in function of L, W and LW, LL and WW as independent variable. The data were validated and the estimated leaf area (ELA) was obtained. The means of ELA and OLA were compared by Student’s t test (5% probability) and were evaluated by the mean absolute error (MAE) and root mean square error (RMSE) criteria. The choice of the best model was based on non-significant comparative values of ELA and OLA, in addition to the closest values of zero of EAM and RQME. The jackfruit leaf area estimate can be determined quickly, accurately and non-destructively by the linear first-order model with LW as the independent variable by equation ELA = 1.07451 + 0.71181(LW).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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 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 ».