📄 agriculture
Systematic evaluation of hyperspectral imaging workflows for predicting pigment and nutrient traits in tomato leaves under varying nitrogen supply levels
Este estudio evaluó sistemáticamente los flujos de trabajo de imágenes hiperespectrales para identificar combinaciones óptimas de partición de muestras, preprocesamiento espectral, selección de características y modelos de aprendizaje automático para la predicción no destructiva de rasgos de pigmentos y nutrientes en hojas de tomate, revelando que, si bien los rasgos relacionados con el nitrógeno fueron predichos de manera confiable utilizando CNN, la predicción de la clorofila se mantuvo limitada y que la optimización del flujo de trabajo debe adaptarse a rasgos específicos objetivo.
Yige Zhang, Xiaolong Ma, Chengda Niu, Junfeng Zhang, Jitao Wang, Zibin Xiao, Shiwei Liu, Hua Ma, Cui Yin, Longguo Wu, Yu (…)2026-08-27