Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
Autor(es): dc.creator | Oliveira, Gustavo Roberto Fonseca de | - |
Autor(es): dc.creator | Mastrangelo, Clissia Barboza | - |
Autor(es): dc.creator | Hirai, Welinton Yoshio | - |
Autor(es): dc.creator | Batista, Thiago Barbosa | - |
Autor(es): dc.creator | Sudki, Julia Marconato | - |
Autor(es): dc.creator | Petronilio, Ana Carolina Picinini | - |
Autor(es): dc.creator | Crusciol, Carlos Alexandre Costa | - |
Autor(es): dc.creator | Silva, Edvaldo Aparecido Amaral da | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:51:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:51:27Z | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-04-14 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3389/fpls.2022.849986 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/237725 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/237725 | - |
Descrição: dc.description | Seeds of high physiological quality are defined by their superior germination capacity and uniform seedling establishment. Here, it was investigated whether multispectral images combined with machine learning models can efficiently categorize the quality of peanut seedlots. The seed quality from seven lots was assessed traditionally (seed weight, water content, germination, and vigor) and by multispectral images (area, length, width, brightness, chlorophyll fluorescence, anthocyanin, and reflectance: 365 to 970 nm). Seedlings from the seeds of each lot were evaluated for their photosynthetic capacity (fluorescence and chlorophyll index, F-0, F-m, and F-v/F-m) and stress indices (anthocyanin and NDVI). Artificial intelligence features (QDA method) applied to the data extracted from the seed images categorized lots with high and low quality. Higher levels of anthocyanin were found in the leaves of seedlings from low quality seeds. Therefore, this information is promising since the initial behavior of the seedlings reflected the quality of the seeds. The existence of new markers that effectively screen peanut seed quality was confirmed. The combination of physical properties (area, length, width, and coat brightness), pigments (chlorophyll fluorescence and anthocyanin), and light reflectance (660, 690, and 780 nm), is highly efficient to identify peanut seedlots with superior quality (98% accuracy). | - |
Descrição: dc.description | Sao Paulo State Univ, Coll Agr Sci, Dept Crop Sci, Botucatu, SP, Brazil | - |
Descrição: dc.description | Univ Sao Paulo, Ctr Nucl Energy Agr, Lab Radiobiol & Environm, Piracicaba, Brazil | - |
Descrição: dc.description | Univ Sao Paulo, Coll Agr Luiz De Queiroz, Dept Exacts Sci, Piracicaba, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, Coll Agr Sci, Dept Crop Sci, Botucatu, SP, Brazil | - |
Formato: dc.format | 18 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Frontiers Media Sa | - |
Relação: dc.relation | Frontiers In Plant Science | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Arachis hypogaea L | - |
Palavras-chave: dc.subject | Multispectral | - |
Palavras-chave: dc.subject | Images | - |
Palavras-chave: dc.subject | Machine-learning | - |
Palavras-chave: dc.subject | Fluorescence | - |
Palavras-chave: dc.subject | Reflectance | - |
Palavras-chave: dc.subject | Seed quality | - |
Título: dc.title | An Approach Using Emerging Optical Technologies and Artificial Intelligence Brings New Markers to Evaluate Peanut Seed Quality | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: