Determination of glyphosate residues in lentils using near-infrared hyperspectral imaging coupled with chemometric regression techniques
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
The accurate measurement of pesticide content in lentils throughout the supply chain is essential to ensure compliance with the maximum residue level (MRL) regulations set by government agencies. The objective of this research was to study the feasibility of using near-infrared (NIR) hyperspectral imaging (HSI) system in the 900–2500 nm wavelength range to detect glyphosate residue levels in black beluga lentil, red lentil, large green lentil, and French green lentil at five glyphosate concentration levels (0 (control), 5, 10, 15 and 20 mg/kg). The prediction of the glyphosate content was achieved by developing partial least squares regression (PLSR) and principal component regression (PCR) models using different spectral preprocessing techniques on full spectrum and variables selected by selectivity ratio (sRatio) and variable importance in projection (VIP) methods. The full spectrum results showed that in black beluga lentil orthogonal spectral correction (OSC)-PLSR dataset performed best with correlation coefficient of prediction (R 2 p ), root mean square error of prediction (RMSEP) and residual predictive deviation (RPD) values of 0.916, 2.294 and 3.805, respectively. Further in red lentil the standard normal variate (SNV)-1 st derivative-PLSR performed best with a R 2 p , RMSEP and RPD values were 0.920, 2.190 and 3.925, respectively. Whereas in large green lentil and French green lentil, the 1st derivative-PLSR performed efficient with a R 2 p , RMSEP and RPD values were 0.938, 1.900 and 3.623 and 0.929, 2.017 and 3.413, respectively. Further, based on the wavelengths selected by VIP method, the OSC-VIP-PLSR model performed best for black beluga lentil with R 2 p , RMSEP and RPD values of 0.933, 1.915 and 3.595, respectively. In red lentil, the VIP-SNV + 1st derivative-PLSR showed highest performance with R 2 p , RMSEP and RPD values of 0.925, 2.066 and 3.332, respectively. Whereas, in large green lentil and French green lentil VIP-1st derivative-PLSR depicted highest prediction accuracy with R 2 p , RMSEP and RPD 0.940, 1.741 and 3.954 and 0.941, 1.726 and 3.988, respectively. This study demonstrated that the hyperspectral imaging system in 900–2500 nm range combined with machine learning could be used for the rapid and accurate glyphosate detection in lentils.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| 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