Computers and Electronics in Agriculture·9月7日 · 周一论文农业人工智能与决策模型阅读 3
Decoding Electro-Priming responses in cotton using an integrated taguchi-machine learning framework for optimizing seed performance
Muhammad Aasım · Ramazan Katırcı · Salma Naimatullah Soomro 等 6 人
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112362
论文解读
62接近精选线
速览
用田口-机器学习框架优化棉花种子电引发处理，提升种子性能。
方法
田口实验设计与机器学习集成框架。
发现
电引发参数可优化，显著提升棉花种子性能。
机会点
可扩展至其他作物或种子处理方式，探索机器学习在农业实验优化中的应用。
影响力12
信息增量18
专业深度16
信源权威14
时效性2
研究结合田口法与机器学习优化棉花电引发种子处理，方法新颖，但发表于2026年9月7日，时效性较低，影响范围限于特定作物领域。
原文摘要
利用集成田口-机器学习框架解析棉花电引发响应以优化种子性能。《农业中的计算机与电子》