📄 agriculture
Systematic evaluation of hyperspectral imaging workflows for predicting pigment and nutrient traits in tomato leaves under varying nitrogen supply levels
Questo studio ha valutato sistematicamente i flussi di lavoro dell'imaging iperspettrale per identificare le combinazioni ottimali di partizionamento del campione, preelaborazione spettrale, selezione delle caratteristiche e modelli di apprendimento automatico per la previsione non distruttiva dei tratti pigmentari e nutritivi nelle foglie di pomodoro, rivelando che, sebbene i tratti legati all'azoto siano stati predetti in modo affidabile utilizzando le CNN, la previsione della clorofilla è rimasta limitata e che l'ottimizzazione del flusso di lavoro deve essere adattata ai tratti target specifici.
Yige Zhang, Xiaolong Ma, Chengda Niu, Junfeng Zhang, Jitao Wang, Zibin Xiao, Shiwei Liu, Hua Ma, Cui Yin, Longguo Wu, Yu (…)2026-08-27