Nutritional Characterization Based on Vegetation Indices to Detect Anthocyanins, Carotenoids, and Chlorophylls in Mini-Lettuce
Notice bibliographique
Résumé
When obtaining new cultivars or monitoring the nutritional composition of lettuce, new techniques are necessary given the high cost and time required to conduct laboratory analyses of plant composition by conventional methods. The objective of this study was to evaluate different vegetation indices for the estimation of anthocyanin, chlorophyll, and carotenoids in mini-lettuce genotypes with different leaf colors and different typologies from red, green, and blue (RGB) images. The contents of pigments were evaluated in 15 lettuce genotypes, in addition to the soil plant analysis development (SPAD) index and vegetation indices in the visible range. The variability among genotypes was confirmed by the Scott-Knott test (p < 0.05) and multivariate analysis. Linear regressions were obtained between the green leaf index (GLI) and leaf pigments. GLI was a good predictor for estimating the contents of anthocyanin (r = −0.83; r2 = 0.75), carotenoid (r = −0.59; r2 = 0.43), chlorophyll a (r = −0.69; r2 = 0.48), chlorophyll b (r = −0.62; r2 = 0.39), and total chlorophyll (r = −0.77; r2 = 0.65) in red and green mini-lettuce. The high-performance phenotyping technique can be used to evaluate leaf pigments in breeding programs, as well as in crops for monitoring biofortification levels in lettuce.
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 | 0,000 |
| 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 ».