Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging (2020)
- Authors:
- USP affiliated authors: SILVA, CLÍSSIA BARBOZA DA - ESALQ ; ROSAS, JORGE TADEU FIM - ESALQ
- Unidade: ESALQ
- DOI: 10.3390/s20154319
- Subjects: APRENDIZADO COMPUTACIONAL; BRACHIARIA; ESPECTROSCOPIA INFRAVERMELHA; RAIOS X; SEMENTES; TRANSFORMADA DE FOURIER
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
MEDEIROS, André Dantas de et al. Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging. Sensors, v. 20, n. 15, p. 1-13, 2020Tradução . . Disponível em: https://doi.org/10.3390/s20154319. Acesso em: 07 maio 2026. -
APA
Medeiros, A. D. de, Silva, L. J. da, Ribeiro, J. P. O., Ferreira, K. C., Rosas, J. T. F., Santos, A. A., & Silva, C. B. da. (2020). Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging. Sensors, 20( 15), 1-13. doi:10.3390/s20154319 -
NLM
Medeiros AD de, Silva LJ da, Ribeiro JPO, Ferreira KC, Rosas JTF, Santos AA, Silva CB da. Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging [Internet]. Sensors. 2020 ; 20( 15): 1-13.[citado 2026 maio 07 ] Available from: https://doi.org/10.3390/s20154319 -
Vancouver
Medeiros AD de, Silva LJ da, Ribeiro JPO, Ferreira KC, Rosas JTF, Santos AA, Silva CB da. Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging [Internet]. Sensors. 2020 ; 20( 15): 1-13.[citado 2026 maio 07 ] Available from: https://doi.org/10.3390/s20154319 - Condicionamento fisiológico de sementes de pimentão com biorreguladores
- Interactive machine learning for soybean seed and seedling quality classification
- Spatial variability of soil apparent electrical conductivity- effect of the number of subsamples
- Influence of tillage systems on soil physical properties, spectral response and yield of the bean crop
- Soil chemical alteration due to treated swine wastewater application in a semi-arid area in Southeastern Brazil
- Quality assessment of coffee beans through computer vision and machine learning algorithms
- Low-cost system for radiometric calibration of UAV-based multispectral imagery
- Fine scale mapping of phosphorus stocks in brazilian soils by geotechnologies: implications for a sustainable agriculture
- Coffee ripeness monitoring using a UAV-mounted low-cost multispectral camera
- Digital mapping of coffee ripeness using UAV-based multispectral imagery
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3002377-Machine Learning ... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
