Deep convolutional networks based on lightweight YOLOv8 to detect and estimate peanut losses from images in post-harvesting environments
2Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
2Pays d’affiliation déclarés
Rattachement africain : br, us. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Deep convolutional networks based on lightweight YOLOv8 to detect and estimate peanut losses from images in post-harvesting environments
- Date Crossref
- 01/07/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Universidade Estadual Paulista (Unesp) pays non établi dans la noticeUniversité ou école supérieure
-
Universidade Tecnológica Federal do Paraná pays non établi dans la noticeUniversité ou école supérieure
-
Kansas State University Department of Agronomy pays non établi dans la noticeUniversité ou école supérieure
-
University of Georgia Department of Horticulture pays non établi dans la noticeUniversité ou école supérieure
-
School of Agricultural and Veterinarian Sciences Department of Engineering and Mathematical Sciences pays non établi dans la noticeUniversité ou école supérieure
-
Federal Technological University of Paraná (UTFPR) pays non établi dans la noticeUniversité ou école supérieure
Universidade Estadual Paulista (Unesp), Universidade Tecnológica Federal do Paraná et Department of Agronomy — Kansas State University, avec 3 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Smart Agriculture and AISpectroscopy and Chemometric AnalysesAdvanced Chemical Sensor Technologies