MétaCan
Menu
Retour à la cohorte
Enregistrement W4402695324 · doi:10.61132/jupiter.v2i5.558

Penerapan Metode Certainty Factor untuk Mendiagnosa penyakit Tanaman Tomat

2024· article· en· W4402695324 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

RevueJupiter Publikasi Ilmu Keteknikan Industri Teknik Elektro dan Informatika · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueData Mining and Machine Learning Applications
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésMathematicsHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Tomatoes are plants that were first discovered in South America, closely related to eggplant, potatoes and peppers. Tomato is a fruit that has an attractive red color and is rich in vitamins such as vitamin C. So it is not wrong if tomatoes are very useful for maintaining the body's immune system. Each 100 grams of tomatoes contains 20 calories of calories, 1 gram of protein, 0.3 grams of fat, 4.2 grams of carbohydrates, 5 milligrams of calcium, carotene (vitamin A) 1500 SI, thiamin (vitamin B) 60 micrograms, ascorbic acid (vitamin C). ) 40 milligrams, phosphorus 27 milligrams, iron 0.5 milligrams, potassium 360 milligrams. Tomatoes are also vegetables or ingredients for cooking that are sought after by people to meet their daily needs. This makes the supply of tomatoes from farmers is always in shortage. The lack of supply of tomatoes in the market is caused by a decrease in tomato production or yields. This decrease in production was caused by several obstacles, one of the obstacles that caused crop failure was due to disease. Disease attacks on tomato plants can occur from planting to harvest. Diseases that often attack penicillin plants are sptoria leaf spot, anthracnose fruit bud, fusarium and verticium wilt, brown spot and late blight. Therefore, to handle this, of course, sufficient knowledge is needed to deal with and deal with pests and diseases in tomato plants appropriately. To overcome this, it is necessary to build a system that can diagnose diseases in tomato plants. So that farmers are able to overcome and deal with pests and diseases on tomato plants appropriately. Researchers have done a lot of research by building an expert system to diagnose a disease. With the results of research, an expert system is designed to assist farmers and agricultural extension workers in detecting diseases in soybean and rice plants. From the results of tests that have been carried out using an expert system, 14 different cases in the field are then cross-checked with the results of expert analysis and have a suitability of 93%.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,000
Communication savante0,0060,008
Science ouverte0,0040,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,002

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 Opus0,015
Tête enseignante GPT0,263
Écart entre enseignants0,248 · 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