logo móvil
Contáctanos

Detección del Límite Mínimo en la Roya de la Franja del Trigo en el Período Latente Utilizando Sensores Remotos Proximales Combinados con PCR en Tiempo Real Dúplex y Aprendizaje Automático

Autores: Liu, Qi; Sun, Tingting; Wen, Xiaojie; Zeng, Minghao; Chen, Jing

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Detección del Límite Mínimo en la Roya de la Franja del Trigo en el Período Latente Utilizando Sensores Remotos Proximales Combinados con PCR en Tiempo Real Dúplex y Aprendizaje Automático


Categoría

Ciencias Agrícolas y Biológicas

Subcategoría

Botánica

Palabras clave

Trigo
óxido de la paja
Límite de detección
Datos hiperespectrales
PCR
Modelo de clasificación

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 9

Citaciones: Sin citaciones


Descripción
El óxido de la franja del trigo (WSR) es una enfermedad aérea que causa daños severos al trigo. La detección rápida y temprana del WSR es esencial para la prevención y control de esta enfermedad. El límite mínimo de detección (MDL) es una de las características más importantes de los métodos cuantitativos que se pueden utilizar para determinar el alcance y la aplicabilidad de una técnica de medición. Tres cultivares de trigo fueron inoculados con f.sp. (), y se utilizó un espectrómetro para recopilar los datos hiperespectrales del dosel, y el contenido se obtuvo a través de una reacción en cadena de la polimerasa (PCR) en tiempo real de doble vía durante el período latente, respectivamente. Se calcularon el índice de enfermedad (DI) y el índice molecular de enfermedad (MDI). Se utilizó el algoritmo de árbol de regresión para determinar el MDL basado en los parámetros de características hiperespectrales. Se utilizaron los algoritmos logístico, IBK y comité aleatorio para construir el modelo de clasificación basado en el MDL. Los resultados mostraron que cuando el MDL era 0.7, IBK tenía la mejor precisión de reconocimiento. El modelo óptimo, que utilizó la característica espectral R_2nd.dv (la segunda derivada del valor hiperespectral original) y la relación de modelado 2:1, tuvo una precisión del 91.67% en el conjunto de prueba y del 90.67% en la validación cruzada de 10 pliegues. Así, durante el período latente, se determinó el MDL utilizando tecnología hiperespectral como 0.7.

Otros recursos que podrían interesarte

Temas Virtualpro