MétaCan
Menu
Retour à la cohorte
Enregistrement W2949927284 · doi:10.4039/tce.2019.28

Quantifying Lygus (Hemiptera: Miridae) damage in faba bean (Fabaceae) seeds using shortwave-infrared imaging

2019· article· en· W2949927284 sur OpenAlexaff
Andrew Smith, Benoît Rivard, Héctor A. Cárcamo

Notice bibliographique

RevueThe Canadian Entomologist · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueDate Palm Research Studies
Établissements canadiensUniversity of AlbertaAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésMiridaeLygusBiologyHemipteraHorticultureBotany

Résumé

récupéré en direct d'OpenAlex

Abstract Lygus Hahn (Hemiptera: Miridae) feeding in faba beans (Vicia faba Linnaeus (Fabaceae)) often results in a reduction in seed quality and economic losses. Traditionally, seed damage is assessed subjectively through visual examination by a trained individual, but the use of non-destructive imaging to evaluate seed quality is gaining momentum. The focus of this study was to determine the ability to quantify Lygus species damage in faba bean using shortwave-infrared imaging and two analysis techniques: (1) spectral angle mapper and (2) simple reflectance indices. Seed samples were visually assessed for damage before imaging in 242 wavebands between 980 and 2500 nm. Four spectral intervals, involving 102 wavebands, were identified as optimal for the detection of seed damage using spectral angle mapper. A strong relationship was obtained between the area of seed damage derived using spectral angle mapper and visually (R2 = 0.95). Seed damage derived by thresholding of two normalised faba bean damage indices involving reflectance at 1086 and 1313 nm and 2218 and 2342 nm also showed a strong relationship with the visual assessment (R2 = 0.92). The two image analysis techniques provided similar results. The study suggests that imaging in the shortwave-infrared wavelengths and the derivation of simple indices can effectively quantify faba bean damage by Lygus feeding.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,057
Tête enseignante GPT0,289
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian EntomologistMême sujetDate Palm Research StudiesTravaux en français237 207