New Detection Method for Fungal Infection in Silver Fir Seeds
Notice bibliographique
Résumé
Silver fir trees have cycles of low and high seed production, and thus it is necessary to collect seeds in high production years to save them for low production years to ensure the continuity of nursery production. Tree seeds can be stored loosely in piles or containers, but they need to be checked for viability before planting. The objective of this study was to find a quick and inexpensive method to determine the suitability of seed lots for planting. The working hypothesis was that an electronic nose device could be used to detect odors from fungi or from decomposing organic material, and thus aid in determination of whether seeds could be sown or discarded. To affirm and supplement results from the electronic nose, we used gas chromatography–mass spectrometry (GC-MS) to detect volatile secondary metabolites such as limonene and cadienes, which were found at the highest concentrations in both, infected and uninfected seeds. Uninfected seeds contained exceptionally high concentrations of pinene, which are known to be involved in plant resistance responses. Statistically higher levels of terpineol were found in infected seeds than in uninfected seeds. A prototype of our electronic nose partially discriminated between healthy and spoiled seeds, and between green and white fungal colonies grown on incubated seeds. These preliminary observations were encouraging and we plan to develop a practical device that will be useful for forestry and horticulture.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 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 ».