Nutritional Characterization Based on Vegetation Indices to Detect Anthocyanins, Carotenoids, and Chlorophylls in Mini-Lettuce
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.
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.
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 découle