MétaCan
Menu
Retour à la cohorte
Enregistrement W3141798104 · doi:10.1088/1555-6611/abebda

Recent applications of novel laser techniques for enhancing agricultural production

2021· article· en· W3141798104 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueLaser Physics · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBotanical Research and Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAgricultureFood securityStatus quoEmerging technologiesLaserAgricultural engineeringEnvironmental scienceComputer scienceNanotechnologyEngineeringMaterials scienceGeographyPhysicsEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract With ever increasing world population, the demands on food safety and security are also expected to substantially increase over the next few decades. As agronomic practices, agricultural mechanization and plant breeding technologies have already been extensively exploited, novel techniques need to be explored and implemented to enhance crop production. To this end, the emerging area of laser-based technologies has shown potential to bring about another revolution in enhancing quantity, quality, and safety of foods. This paper presents an exhaustive review of the use of five non-invasive non-destructive laser-based techniques in agriculture, namely laser biostimulation, light detection and ranging, laser land levelling, laser-induced fluorescence spectroscopy, and Raman spectroscopy. Herein we provide the advantages, status quo and challenges of each of these techniques and conclude with recommendations for future work. A comprehensive review of literature reveals the untapped potential of laser applications in agriculture that has the potential to unleash the next agricultural revolution.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,115

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,037
Tête enseignante GPT0,287
Écart entre enseignants0,250 · 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