ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Certified seed purity is a prerequisite for sustaining the agronomic performance and commercial value of Khao Dawk Mali 105 (KDML-105), Thailand’s premium aromatic rice; however, conventional inspection methods are destructive, labour-intensive, and poorly suited to high-throughput operations. This study developed a non-destructive purity inspection system integrating five-band MSI acquired using a MicaSense RedEdge-MX sensor with three machine learning classifiers: Extra Trees (ET), Random Forest (RF), and Support Vector Machine (SVM). The system was evaluated systematically across four illumination levels (360.90–13,188.46 lx) to discriminate KDML-105 from three morphologically similar contaminating varieties: Chainat-1, RD-6, and RD-15. Two-way ANOVA confirmed that classifier type was the dominant performance determinant (η2 = 0.847). Under optimal illumination (L4, 13,188.46 lx), ET achieved the highest accuracy (88.8%), recall (86.6%), and F1-score (88.4%) with a training time of 0.098 s. External validation confirmed model generalisability: KDML-105 seeds were identified with 90.6% accuracy and 95.6% recall, while Chainat-1 and RD-6 yielded accuracies of 85.1% and 90.6%, respectively; RD-15 remained challenging (62.9%; 67.4%) owing to spectral proximity to KDML-105. These findings establish MSI combined with ET classification as a viable, cost-effective approach for automated seed purity screening in certified rice production.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 72/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Spectroscopy and Chemometric Analyses · Remote Sensing in Agriculture · Smart Agriculture and AI
บทบาทของนักวิจัยและสถาบันไทย
Khunnithi Doungpueng · Jirasin Prueksawan · Lalita Panduangnate · Prasit Somjinda · Jetsada Posom · Rajamangala University of Technology Isan · Khon Kaen University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง