Identification of five wood species of the Meliaceae family on the basis of their wood anatomical and chemical characteristics
Bibliographic record
Abstract
Swietenia, Cedrela, Khaya et Toona sont des genres d'arbres tropicaux à bois précieux. Une identification précise du bois est nécessaire pour contrôler l'exploitation forestière illégale et le commerce connexe ainsi qu'à des fins de certification dans l'industrie des produits forestiers et du bois. Swietenia mahagoni, Swietenia macrophylla et Cedrela odorata ont été inscrites à l'Annexe II de la Convention sur le commerce international des espèces de faune et de flore menacées d'extinction (CITES) et le commerce de ces espèces a été restreint par l'imposition de documentation spécifique et de permis pour l'importation et l'exportation de marchandises. En conséquence, certaines espèces (par exemple, Khaya ivorensis et Toona ciliata) ont été introduites comme substituts de ces espèces et leur identification est maintenant un problème difficile pour l'application de la réglementation liée à la CITES à travers le monde. Ainsi, le but de l'étude est d'identifier et de différencier des espèces étroitement apparentées de la famille des Meliaceae, à savoir Swietenia mahagoni, Swietenia macrophylla, Cedrela odorata, Khaya ivorensis et Toona ciliata sur la base d'analyses anatomiques, de vision et d'intelligence artificielles et de caractérisation chimique du bois. Dans cette étude, trois approches ont été utilisées, la structure du bois par microscopie optique, le système de vision artificielle et le profilage du métabolome par chromatographie en phase gazeuse bidimensionnelle combinée à la spectrométrie de masse à temps de vol (GC*GC-TOFMS). Au total, nous avons analysé 50 échantillons de bois des espèces susmentionnées provenant des xylothèques du Service canadien des forêts et du Centre de recherche sur les matériaux renouvelables de l'Université Laval. Des variations considérables ont été observées dans les caractéristiques anatomiques du bois de ces espèces, mais ces variations n'étaient pas suffisantes pour les différencier au niveau de l'espèce. De même, le système de vision artificielle (Xylotron) est simple et efficace pour l'identification du bois, mais cet outil est encore en développement et les bases de données de référence sont encore insuffisantes pour pouvoir différencier efficacement les espèces étudiées. En revanche, la technique de GC*GC-TOFMS combinée à des statistiques non supervisées (Analyse en Composantes Principales) a montré des signatures chimiques distinctes à partir d'échantillons de bois des cinq espèces, ce qui a permis une identification rapide au niveau de l'espèce. Ainsi, GC*GC-TOFMS fournit une méthode rapide d'identification du bois qui peut être facilement appliquée à de petits échantillons de bois de duramen et peut avoir des applications potentielles dans un contexte d'application de la loi et d'analyse/identification judiciaire des bois illégaux, et dans diverses recherches liées à la foresterie, aux sciences du bois et à l'écophysiologie des arbres.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".