Predictando modelos para metabolitos de plantas basados en algoritmos PLSR, AdaBoost, XGBoost y LightGBM utilizando imágenes hiperespectrales de
Autores: Yoon, Hyo In; Lee, Hyein; Yang, Jung-Seok; Choi, Jae-Hyeong; Jung, Dae-Hyun; Park, Yun Ji; Park, Jai-Eok; Kim, Sang Min; Park, Soo Hyun
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Predictando modelos para metabolitos de plantas basados en algoritmos PLSR, AdaBoost, XGBoost y LightGBM utilizando imágenes hiperespectrales de
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Imagen hiperespectral
Algoritmos de aprendizaje automático
Metabolitos de plantas
Algoritmos de aumento
Hojas de Brassica juncea
Modelos de predicción
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
La integración de la imagen hiperespectral con algoritmos de aprendizaje automático ha presentado una estrategia prometedora para la detección no invasiva y rápida de metabolitos vegetales.
Descripción
La integración de la imagen hiperespectral con algoritmos de aprendizaje automático ha presentado una estrategia prometedora para la detección no invasiva y rápida de metabolitos vegetales.