An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality (2022)
- Authors:
- USP affiliated authors: SILVA, CLÍSSIA BARBOZA DA - CENA ; HIRAI, WELINTON YOSHIO - ESALQ
- Unidades: CENA; ESALQ
- DOI: 10.3389/fpls.2022.849986
- Subjects: AMENDOIM; ANÁLISE ESPECTRAL; APRENDIZADO COMPUTACIONAL; FLUORESCÊNCIA; INTELIGÊNCIA ARTIFICIAL; SEMENTES
- Keywords: Imagem multiespectral
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Frontiers in Plant Science
- ISSN: 1664-462X
- Volume/Número/Paginação/Ano: v. 13, art. 849986, p. 1-18, April 2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
OLIVEIRA, Gustavo Roberto Fonseca de et al. An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality. Frontiers in Plant Science, v. 13, p. 1-18, 2022Tradução . . Disponível em: https://doi.org/10.3389/fpls.2022.849986. Acesso em: 07 maio 2026. -
APA
Oliveira, G. R. F. de, Mastrangelo, C. B., Hirai, W. Y., Batista, T. B., Sudki, J. M., Petronilio, A. C. P., et al. (2022). An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality. Frontiers in Plant Science, 13, 1-18. doi:10.3389/fpls.2022.849986 -
NLM
Oliveira GRF de, Mastrangelo CB, Hirai WY, Batista TB, Sudki JM, Petronilio ACP, Crusciol CAC, Silva EAA da. An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality [Internet]. Frontiers in Plant Science. 2022 ; 13 1-18.[citado 2026 maio 07 ] Available from: https://doi.org/10.3389/fpls.2022.849986 -
Vancouver
Oliveira GRF de, Mastrangelo CB, Hirai WY, Batista TB, Sudki JM, Petronilio ACP, Crusciol CAC, Silva EAA da. An approach using emerging optical technologies and artificial intelligence brings new markers to evaluate peanut seed quality [Internet]. Frontiers in Plant Science. 2022 ; 13 1-18.[citado 2026 maio 07 ] Available from: https://doi.org/10.3389/fpls.2022.849986 - Spectroscopy technologies to screen peanut seeds with superior vigor through “Chemical Fingerprinting”
- Estudo do método de estimação do tipo razão multivariada para média populacional
- Caracterização da estrutura de interação genótipo e ambiente utilizando modelo AMMI e W-AMMI por meio de Biplot
- Transcripts expressed during germination sensu stricto are associated with vigor in soybean seeds
- Condicionamento fisiológico de sementes de pimentão com biorreguladores
- Interactive machine learning for soybean seed and seedling quality classification
- Integrating optical imaging tools for rapid and non-invasive characterization of seed quality: Tomato (Solanum lycopersicum L.) and Carrot (Daucus carota L.) as study cases
- Storage performance of primed bell pepper seeds with 24-Epibrassinolide
- Machine Learning for Seed Quality Classification: An Advanced Approach Using Merger Data from FT-NIR Spectroscopy and X-ray Imaging
- Application of multispectral imaging combined with machine learning models to discriminate special and traditional green coffee
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 | |
|---|---|---|---|
 |
3077812-An_Approach_Using... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
