Remote monitoring of stored grain insect pests
Notice bibliographique
Résumé
A number of remote sensing methods were developed and tested in commercial grain warehouses; probe pitfall traps attached to vacuum lines, surface pit fall traps equipped with video cameras and white boards on grain surface monitored with video cameras. These methods were compared with detecting insects using grain samples. Warehouse trials by trapped methods were carried out in bins with 8520 t of wheat from 23 May until 8 August 2016.Grain temperatures were from 22.7 to 31.6?. Psocids,Liposcelis bostrychophila Badonnel,were detected by grain samples, but there were higher number of pscoids trapped with the probe pitfall traps and pitfall traps than found in grain samples. Plodia interpunctella (Hübener), Sitophlius zeamais Motchulsky and Cryptolestes ferrugineus (Stephens) were detected by probe pitfall trap, but not in the grain samples. S. zeamais was detected by the pit fall traps. Using the remote controlled video camera in the warehouse head space, we were able to distinguish and count S. zeamais, C. ferrugineus and psocids on white boards. The video from pitfall traps can be sent to mobile phones. With all these methods, data can be collected remotely, and could be analyzed by imagine analysis allowing for rapid real time monitoring of insect pests.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».