Rapid Differentiation of Sex in Calamus johndransfieldii Seedlings Using Near Infrared Spectroscopy
Notice bibliographique
Résumé
Resiniferae rattans, or Dragon's blood rattans (known locally in Indonesia as "Jernang"), are highly valuable Non-Timber Forest Products from Sumatra's deep rainforests.One of these species is Calamus johndransfieldii.Dragon's blood rattans are dioecious, indicating that each individual plant is either male or female.Farmers prefer female plants as they produce economically valuable fruits.Traditionally, determining a plant's sex has been a lengthy process, requiring approximately 3-4 years from planting to fruit maturation.To address this, a novel and efficient method for sex determination using Near-Infrared Spectroscopy (NIRS) was investigated.Leaves collected from known male and female plants were analyzed using a Thermo Nicolet Antaris TM II MDS in conjunction with a portable sensing device (PSD NIRS i16) within the spectral range of 1,000-2,500 nm.Principal Component Analysis (PCA) was then applied to classify the spectral data, clearly distinguishing male from female plants.Further analysis utilized machine learning techniques, including Bootstrap Forest, Neural Booster, Support Vector Machines, and K-Nearest Neighbors, to refine predictive accuracy.The findings revealed marked differences in the spectral components of male and female plants, allowing for fast and reliable sex determination.The most effective method was identified as Bootstrap Forest, with an exceptionally low misclassification rate of 0.0811%.This rapid approach significantly reduces the waiting period for farmers, enhancing productivity and economic returns.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».