ACS Omega· 2026Q1
Yapay Zeka, Plazma Görüntülerinden Polen Şeklini ve Hidrasyonunu Yeniden Oluşturuyor
Deep-Learning-Assisted Single-Shot Plasma Emission Imaging for Pollen Morphology Reconstruction and Apparent Hydration-State Classification
- 0atıf
- Q1SCImago
- 2026yıl
Kısa özet
Bir derin öğrenme modeli, tek atışlı plazma emisyon görüntülerinden polen morfolojisini yeniden oluşturur ve hidrasyon durumunu sınıflandırır, hidrate ve dehidrate taneleri ayırt etmede yaklaşık %76 doğruluk elde eder.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Polen morfolojisi ve hidrasyon durumu, lazer etkileşiminden kaynaklanan plazma emisyon görüntülerinden çıkarılabilir.
- Koşullu üretken çekişmeli ağ, plazma bulutlarından polen morfolojisini yeniden oluşturur.
- Plazma bulutlarının kromatiklik analizi, hidrate ve dehidrate polen tanelerini ayırt eder.
- Destek vektör makinesi, hidrasyon durumu sınıflandırmasında yaklaşık %76 birebir doğruluk elde etmiştir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Monitoring pollen is important for crop productivity, plant breeding, and environmental forecasting, yet current approaches remain limited in throughput and physiological insight. Here, we combine single-shot plasma emission imaging with artificial intelligence for pollen morphology reconstruction and apparent hydration state classification. Plasma plumes generated during laser–pollen interaction provide indirect measurements of pollen morphology, extending plasma-based analysis beyond conventional spectroscopic readouts. A conditional generative adversarial neural network reconstructed morphology from such plasma images, while chromaticity analysis revealed systematic color shifts between hydrated and dehydrated grains. A support vector machine using chromaticity histogram and scalar color features distinguished these groups with ∼76% leave-one-out accuracy. The results suggest that plasma emission contains structural and hydration-associated information, supporting rapid pollen morphology inference and physiological phenotyping for agricultural and environmental monitoring.
Yazarların özeti; kaynağından alınmıştır. ACS Omega, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: İmmünoloji ve Alerji
Immunology and AllergyMedicine