Feasibility of the application of electronic nose technology to monitoring insect infestation in wheat
Notice bibliographique
Résumé
An Alpha MOS FOX-3000 electronic nose equipped with 12 Metal Oxide Semiconductor (MOS) sensors was used to evaluate the presence of two insects in wheat.Canada Western Red Spring (CWRS) wheat (cv.AC Barrie) infested with rusty grain beetle, Cryptolestes ferrugineus (Stephens), or red flour beetle, Tribolium castaneum (Herbst), were placed in the glassjars (4 L capacity).Different numbers ofjnsects (0, 1,2, l0 and 20 insects/kg) \¡r'ere tested for each insect species in combination with three moisture content levels for the grain (l4o/o,160/o, and 18%).The headspace volatiles from infested or non-infested wheat was sampled and injected into the sensor array.Each individual sample collected was analyzed in triplicate and each treatment was tested seven times.The response ofgas sensors, in the form ofa multi-dimensional matrix, was However, the electronic nose did not detect the presence of rusty grain beetle (RGB) in wheat at either the low (l insect/kg and 2 insects/kg) or the high infestation levels (10 insectslkg and 20 insects/kg).It also failed to detect the presence of RFB in wheat with the low (l inseclkg and 2 insects/kg) and high infestation level (20 insects/kg) at 18% moisture content.The electronic nose could differentiate I RFB/kg infestation level from 20 RFBs/kg infestation level in wheat at l4%;o and l60% moisture content.Hor¡r'ever, it did not identifu densities for rusty grain beetle in wheat.High percentage of recognition (99%) and high cross-validation (0.99) were achieved for predicting moisture content of noninfested wheat.lt¡ 56 63 vlll
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 | 0,000 |
| 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 ».