பயிர் நோய் கண்டறிதலில் AI எவ்வாறு உதவுகிறது?

நீங்கள் பிழைப்புக்காக எதையாவது பயிரிட்டால், மழைக்காலத்திற்குப் பிறகு ஒற்றைப்படை இலை புள்ளிகள் தோன்றும்போது வயிறு விழும் உணர்வு உங்களுக்குத் தெரியும். அது ஊட்டச்சத்து அழுத்தமா, வைரஸா, அல்லது உங்கள் கண்கள் மீண்டும் வியத்தகு முறையில் தோன்றியதா? அந்தக் கேள்விக்கு விரைவாக பதிலளிப்பதில் AI விசித்திரமாகத் திறமையானது. மேலும் முக்கிய விஷயம் இதுதான்: சிறந்தது, முந்தைய பயிர் நோய் கண்டறிதல் என்பது குறைவான இழப்புகள், சிறந்த தெளிப்புகள் மற்றும் அமைதியான இரவுகளைக் குறிக்கிறது. சரியானதல்ல, ஆனால் ஆச்சரியப்படும் விதமாக நெருக்கமாக உள்ளது. 🌱✨

இதற்குப் பிறகு நீங்கள் படிக்க விரும்பக்கூடிய கட்டுரைகள்:

🔗 AI எவ்வாறு செயல்படுகிறது
முக்கிய AI கருத்துக்கள், வழிமுறைகள் மற்றும் நடைமுறை பயன்பாடுகளை தெளிவாகப் புரிந்து கொள்ளுங்கள்.

🔗 AI-ஐ எப்படிப் படிப்பது?
AI-ஐ திறமையாகவும், சீராகவும் கற்றுக்கொள்வதற்கான நடைமுறை உத்திகள் மற்றும் வளங்கள்.

🔗 உங்கள் வணிகத்தில் AI ஐ எவ்வாறு இணைப்பது
வணிக செயல்பாடுகளில் AI கருவிகளை ஒருங்கிணைப்பதற்கான படிப்படியான வழிகாட்டுதல்.

🔗 ஒரு AI நிறுவனத்தை எவ்வாறு தொடங்குவது
ஒரு AI தொடக்கத்தைத் தொடங்குதல், சரிபார்த்தல் மற்றும் அளவிடுதல் ஆகியவற்றுக்கான அடிப்படை படிகள்.

AI பயிர் நோய் கண்டறிதல் ✅

பயிர் நோய் கண்டறிதலை AI சிறப்பாக்குகிறது என்று மக்கள் கூறும்போது, ​​பயனுள்ள பதிப்பில் பொதுவாக இந்த பொருட்கள் உள்ளன:

• ஆரம்பத்திலேயே, துல்லியமாக மட்டுமல்ல : மனிதக் கண்ணுக்கு முன்பாகவே மங்கலான அறிகுறிகளைக் கண்டறிதல் அல்லது அடிப்படை ஸ்கவுட் அவற்றைக் கவனிக்கிறது. மல்டிஸ்பெக்ட்ரல்/ஹைப்பர்ஸ்பெக்ட்ரல் அமைப்புகள் புண்கள் தோன்றுவதற்கு முன்பே அழுத்த "கைரேகைகளை" எடுக்கலாம் [3].

• செயல்படக்கூடியது : தெளிவற்ற லேபிள் அல்ல, தெளிவான அடுத்த படி. சிந்தியுங்கள்: தொகுதி A ஐத் தேடுங்கள், ஒரு மாதிரியை அனுப்புங்கள், உறுதிப்படுத்தும் வரை தெளிப்பதை நிறுத்தி வைக்கவும்.

• குறைந்த உராய்வு : தொலைபேசியில்-இன்-பாக்கெட் எளிமையானது அல்லது வாரத்திற்கு ஒரு முறை ட்ரோனில்-எளிதானது. பேட்டரிகள், அலைவரிசை மற்றும் தரையில் பூட்ஸ் அனைத்தும் முக்கியம்.

• போதுமான அளவு விளக்கக்கூடியது : வெப்ப வரைபடங்கள் (எ.கா., Grad-CAM) அல்லது வேளாண் வல்லுநர்கள் ஒரு அழைப்பை நல்லறிவுடன் சரிபார்க்கக்கூடிய குறுகிய மாதிரி குறிப்புகள் [2].

• காடுகளில் வலுவானது : வெவ்வேறு சாகுபடிகள், வெளிச்சம், தூசி, கோணங்கள், கலப்பு தொற்றுகள். உண்மையான வயல்கள் குழப்பமாக உள்ளன.

• யதார்த்தத்துடன் ஒருங்கிணைக்கிறது : டக்ட் டேப் இல்லாமல் உங்கள் ஸ்கவுட்டிங் பயன்பாடு, ஆய்வக பணிப்பாய்வு அல்லது வேளாண்மை நோட்புக்கில் செருகப்படுகிறது.

அந்தக் கலவையானது AI-ஐ ஒரு ஆய்வக தந்திரம் போல உணராமல், நம்பகமான பண்ணை வேலைக்காரனைப் போல உணர வைக்கிறது. 🚜

சுருக்கமான பதில்: AI எவ்வாறு உதவுகிறது, எளிமையான சொற்களில்.

படங்கள், நிறமாலைகள் மற்றும் சில நேரங்களில் மூலக்கூறுகளை விரைவான, நிகழ்தகவு பதில்களாக மாற்றுவதன் மூலம் AI பயிர் நோய் கண்டறிதலை துரிதப்படுத்துகிறது. தொலைபேசி கேமராக்கள், ட்ரோன்கள், செயற்கைக்கோள்கள் மற்றும் கள கருவிகள் முரண்பாடுகள் அல்லது குறிப்பிட்ட நோய்க்கிருமிகளைக் கொடியிடும் மாதிரிகளை ஊட்டுகின்றன. முந்தைய எச்சரிக்கைகள் தவிர்க்கக்கூடிய இழப்புகளைக் குறைக்க உதவுகின்றன - தாவர பாதுகாப்பு மற்றும் உணவுப் பாதுகாப்பு திட்டங்களில் ஒரு பசுமையான முன்னுரிமை [1].

அடுக்குகள்: இலையிலிருந்து நிலத்தோற்றம் வரை 🧅

இலை நிலை

• ஒரு புகைப்படம் எடுத்து, ஒரு லேபிளைப் பெறுங்கள்: ப்ளைட் vs. துரு vs. மைட் சேதம். இலகுரக CNNகள் மற்றும் பார்வை மின்மாற்றிகள் இப்போது சாதனத்தில் இயங்குகின்றன, மேலும் Grad-CAM போன்ற விளக்கங்கள் மாதிரி "எதைப் பார்த்தது" என்பதைக் காட்டுகின்றன, கருப்புப் பெட்டி அதிர்வு இல்லாமல் நம்பிக்கையை உருவாக்குகின்றன [2].

தொகுதி அல்லது புல நிலை

• RGB அல்லது மல்டிஸ்பெக்ட்ரல் கேமராக்கள் மூலம் வரிசைகளை ட்ரோன்கள் துடைக்கின்றன. மாதிரிகள் தரையில் இருந்து நீங்கள் ஒருபோதும் கண்டுபிடிக்க முடியாத அழுத்த வடிவங்களைத் தேடுகின்றன. ஹைப்பர்ஸ்பெக்ட்ரல் நூற்றுக்கணக்கான குறுகிய பட்டைகளைச் சேர்க்கிறது, முன் - குழாய்வழிகள் சரியாக அளவீடு செய்யப்படும்போது சிறப்பு மற்றும் வரிசை பயிர்களில் நன்கு ஆவணப்படுத்தப்பட்டுள்ளது [3].

பண்ணைக்கு பகுதி

• கரடுமுரடான செயற்கைக்கோள் காட்சிகள் மற்றும் ஆலோசனை நெட்வொர்க்குகள் சாரணர்களையும் நேர தலையீடுகளையும் வழிநடத்த உதவுகின்றன. இங்கே வடக்கு நட்சத்திரம் ஒன்றே: முந்தைய, தாவர-சுகாதார கட்டமைப்பிற்குள் இலக்கு வைக்கப்பட்ட நடவடிக்கை, போர்வை எதிர்வினைகள் அல்ல [1].

கருவிப்பெட்டி: கனமான வேலையைச் செய்வதற்கான முக்கிய AI நுட்பங்கள் 🧰

• கன்வல்யூஷனல் நியூரல் வலைகள் & பார்வை மின்மாற்றிகள் புண் வடிவம்/நிறம்/அமைப்பைப் படிக்கின்றன; விளக்கக்கூடிய தன்மையுடன் (எ.கா., கிராட்-கேம்) இணைந்து, அவை வேளாண் விஞ்ஞானிகளுக்கு கணிப்புகளைத் தணிக்கை செய்யக்கூடியதாக ஆக்குகின்றன [2].

• ஒரு நோய் லேபிள் நிச்சயமற்றதாக இருந்தாலும் கூட, ஒழுங்கின்மை கண்டறிதல்

• ஸ்பெக்ட்ரல் கற்றல், புலப்படும் அறிகுறிகளுக்கு முந்தைய வேதியியல் அழுத்த கைரேகைகளைக் கண்டறிகிறது [3].

• மூலக்கூறு AI பைப்லைனிங் LAMP அல்லது CRISPR போன்ற புல மதிப்பீடுகள் நிமிடங்களில் எளிய வாசிப்புகளை உருவாக்குகின்றன; ஒரு பயன்பாடு அடுத்த படிகளுக்கு வழிகாட்டுகிறது, ஈரமான-ஆய்வக விவரக்குறிப்பை மென்பொருள் வேகத்துடன் இணைக்கிறது [4][5].

யதார்த்த சரிபார்ப்பு: மாதிரிகள் புத்திசாலித்தனமானவை, ஆனால் நீங்கள் சாகுபடி, விளக்குகள் அல்லது நிலையை மாற்றினால் அவை நம்பிக்கையுடன் தவறாக இருக்கலாம். மறுபயிற்சி மற்றும் உள்ளூர் அளவுத்திருத்தம் ஆகியவை நல்லவை அல்ல; அவை ஆக்ஸிஜன் [2][3].

ஒப்பீட்டு அட்டவணை: பயிர் நோய் கண்டறிதலுக்கான நடைமுறை விருப்பங்கள் 📋

உண்மையான கொள்முதல் கூட குழப்பமாக இருப்பதால், வேண்டுமென்றே சற்று குழப்பமான அட்டவணை.

டீப் டைவ் 1: பைகளில் போன்கள், நொடிகளில் வேளாண்மை 📱

• அது என்ன செய்கிறது : நீங்கள் ஒரு இலையை வடிவமைக்கிறீர்கள்; இந்த மாதிரி சாத்தியமான நோய்கள் மற்றும் அடுத்த படிகளை பரிந்துரைக்கிறது. அளவிடப்பட்ட, இலகுரக மாதிரிகள் இப்போது கிராமப்புற வயல்களில் உண்மையான ஆஃப்லைன் பயன்பாட்டை சாத்தியமாக்குகின்றன [2].

• பலங்கள் : மிகவும் வசதியானது, கூடுதல் வன்பொருள் இல்லை, சாரணர்கள் மற்றும் விவசாயிகளுக்கு பயிற்சி அளிக்க உதவியாக இருக்கும்.

• கோட்சாஸ் : லேசான அல்லது ஆரம்ப அறிகுறிகள், அசாதாரண சாகுபடிகள் அல்லது கலப்பு நோய்த்தொற்றுகள் ஆகியவற்றில் செயல்திறன் குறையக்கூடும். இதை ஒரு ட்ரையேஜாகக் கருதுங்கள், தீர்ப்பாக அல்ல - நேரடி ஆய்வு மற்றும் மாதிரி எடுக்க இதைப் பயன்படுத்தவும் [2].

புல விக்னெட் (எடுத்துக்காட்டு): நீங்கள் பிளாக் A இல் மூன்று இலைகளை ஒட்டுகிறீர்கள். பயன்பாடு "அதிக துரு நிகழ்தகவு" என்பதைக் குறிக்கும் மற்றும் கொப்புளக் கொத்துக்களை எடுத்துக்காட்டுகிறது. நீங்கள் ஒரு பின்னைக் குறிக்கிறீர்கள், வரிசையில் நடந்து செல்கிறீர்கள், மேலும் ஒரு தெளிப்பைச் செய்வதற்கு முன் ஒரு மூலக்கூறு சோதனையை எடுக்க முடிவு செய்கிறீர்கள். பத்து நிமிடங்களுக்குப் பிறகு, உங்களிடம் ஆம்/இல்லை என்ற பதிலும் ஒரு திட்டமும் இருக்கும்.

டீப் டைவ் 2: நீங்கள் பார்ப்பதற்கு முன்பே பார்க்கும் ட்ரோன்கள் மற்றும் ஹைப்பர்ஸ்பெக்ட்ரல் 🛰️🛩️

• இது என்ன செய்கிறது : வாராந்திர அல்லது தேவைக்கேற்ப விமானங்கள் பட்டை நிறைந்த படங்களைப் பிடிக்கின்றன. மாதிரிகள் நோய்க்கிருமி அல்லது அஜியோடிக் அழுத்த தொடக்கத்துடன் ஒத்த அசாதாரண பிரதிபலிப்பு வளைவுகளைக் குறிக்கின்றன.

• பலங்கள் : ஆரம்ப அறிவிப்பு, பரந்த அளவிலான பரப்பளவு, காலப்போக்கில் புறநிலை போக்குகள்.

• கோட்சாஸ் : அளவுத்திருத்த பேனல்கள், சூரிய கோணம், கோப்பு அளவுகள் மற்றும் வகை அல்லது மேலாண்மை மாறும்போது மாதிரி சறுக்கல்.

• சான்றுகள் : முன் செயலாக்கம், அளவுத்திருத்தம் மற்றும் சரிபார்ப்பு சரியாக செய்யப்படும்போது பயிர்கள் முழுவதும் வலுவான வகைப்பாடு செயல்திறனை முறையான மதிப்பாய்வுகள் தெரிவிக்கின்றன [3].

டீப் டைவ் 3: புலத்தில் மூலக்கூறு உறுதிப்படுத்தல் 🧪

சில நேரங்களில் நீங்கள் ஒரு குறிப்பிட்ட நோய்க்கிருமிக்கு ஆம்/இல்லை என்று பதில் அளிக்க விரும்புகிறீர்கள். அங்குதான் மூலக்கூறு கருவிகள் முடிவெடுக்கும் ஆதரவிற்காக AI பயன்பாடுகளுடன் இணைகின்றன.

• LAMP : வண்ண அளவியல்/ஒளிரும் அளவீடுகளுடன் கூடிய வேகமான, சமவெப்ப பெருக்கம்; தாவர சுகாதார கண்காணிப்பு மற்றும் தாவர சுகாதார சூழல்களில் ஆன்-சைட் சோதனைகளுக்கு நடைமுறைக்குரியது [4].

• CRISPR கண்டறிதல் : Cas என்சைம்களைப் பயன்படுத்தி நிரல்படுத்தக்கூடிய கண்டறிதல், விவசாயத்தில் ஆய்வகத்திலிருந்து வயல் கருவிகளை நோக்கி சீராக நகரும் எளிய பக்கவாட்டு-ஓட்டம் அல்லது ஒளிரும் வெளியீடுகளுடன் மிகவும் உணர்திறன் வாய்ந்த, குறிப்பிட்ட சோதனைகளை செயல்படுத்துகிறது [5].

இவற்றை ஒரு செயலியுடன் இணைப்பது வளையத்தை மூடுகிறது: படங்களால் கொடியிடப்பட்ட சந்தேக நபர், விரைவான சோதனை மூலம் உறுதிப்படுத்தப்பட்டார், நீண்ட பயணமின்றி நடவடிக்கை தீர்மானிக்கப்பட்டது.

AI பணிப்பாய்வு: பிக்சல்கள் முதல் திட்டங்கள் வரை

1. சேகரிக்கவும் : இலை புகைப்படங்கள், ட்ரோன் விமானங்கள், செயற்கைக்கோள் பாஸ்கள்.

2. முன்செயல்முறை : வண்ணத் திருத்தம், புவிசார் குறிப்பு, நிறமாலை அளவுத்திருத்தம் [3].

3. ஊகிக்கவும் : மாதிரி நோய் நிகழ்தகவு அல்லது ஒழுங்கின்மை மதிப்பெண்ணைக் கணிக்கிறது [2][3].

4. விளக்கவும் : மனிதர்கள் சரிபார்க்கக்கூடிய வெப்ப வரைபடங்கள்/அம்ச முக்கியத்துவம் (எ.கா., Grad-CAM) [2].

5. முடிவு செய்யுங்கள் : ஸ்கவுட்டிங்கைத் தூண்டுதல், LAMP/CRISPR சோதனையை நடத்துதல் அல்லது தெளிப்பைத் திட்டமிடுதல் [4][5].

6. சுழற்சியை மூடு : உங்கள் வகைகள் மற்றும் பருவங்களுக்கான முடிவுகளைப் பதிவு செய்யவும், மீண்டும் பயிற்சி செய்யவும் மற்றும் வரம்புகளை சரிசெய்யவும் [2][3].

நேர்மையாகச் சொன்னால், கூட்டு ஆதாயங்கள் வாழும் இடம் படி 6 ஆகும். ஒவ்வொரு சரிபார்க்கப்பட்ட முடிவும் அடுத்த எச்சரிக்கையை சிறந்ததாக்குகிறது.

இது ஏன் முக்கியம்: மகசூல், உள்ளீடுகள் மற்றும் ஆபத்து 📈

முன்னதாக, உலகளவில் தாவர உற்பத்தி மற்றும் பாதுகாப்பு முயற்சிகளுக்கான கழிவு-முக்கிய இலக்குகளை குறைக்கும் அதே வேளையில், மகசூலைப் பாதுகாக்கவும் கூர்மையான கண்டறிதல் உதவுகிறது [1]. இலக்கு வைக்கப்பட்ட, தகவலறிந்த நடவடிக்கை மூலம் தவிர்க்கக்கூடிய இழப்பின் ஒரு பகுதியைக் குறைப்பது கூட உணவுப் பாதுகாப்பு மற்றும் பண்ணை ஓரங்கள் இரண்டிற்கும் ஒரு பெரிய விஷயமாகும்.

பொதுவான தோல்வி முறைகள், அதனால் நீங்கள் ஆச்சரியப்பட மாட்டீர்கள் 🙃

• கள மாற்றம் : புதிய சாகுபடி, புதிய கேமரா அல்லது வேறுபட்ட வளர்ச்சி நிலை; மாதிரி நம்பிக்கை தவறாக வழிநடத்தும் [2].

• ஒத்த தோற்றம் கொண்டவை : ஊட்டச்சத்து குறைபாடு மற்றும் பூஞ்சை புண்கள் - உங்கள் கண்களை அதிகமாகப் பொருத்துவதைத் தவிர்க்க விளக்கக்கூடிய தன்மை + அடிப்படை உண்மையைப் பயன்படுத்தவும் [2].

• லேசான/கலப்பு அறிகுறிகள் : நுட்பமான ஆரம்ப சமிக்ஞைகள் சத்தமாக இருக்கும்; ஒழுங்கின்மை கண்டறிதல் மற்றும் உறுதிப்படுத்தும் சோதனைகளுடன் ஜோடி பட மாதிரிகள் [2][4][5].

• தரவு சறுக்கல் : ஸ்ப்ரேக்கள் அல்லது வெப்ப அலைகளுக்குப் பிறகு, நோயுடன் தொடர்பில்லாத காரணங்களுக்காக பிரதிபலிப்பு மாறுகிறது; நீங்கள் பீதி அடைவதற்கு முன்பு மறுபரிசீலனை செய்யுங்கள் [3].

• உறுதிப்படுத்தல் இடைவெளி : கள சோதனைக்கு விரைவான பாதை இல்லாததால் முடிவுகள் தடைபடுகின்றன - [4][5] இல் LAMP/CRISPR ஸ்லாட் சரியாக இருக்கும் இடம் இதுதான்.

செயல்படுத்தல் ப்ளேபுக்: விரைவாக மதிப்பைப் பெறுதல் 🗺️

• எளிமையாகத் தொடங்குங்கள் : ஒன்று அல்லது இரண்டு முன்னுரிமை நோய்களுக்கான தொலைபேசி அடிப்படையிலான ஸ்கவுட்டிங்; விளக்கக்கூடிய மேலடுக்குகளை இயக்கவும் [2].

• நோக்கத்துடன் பறக்கவும் : அதிக மதிப்புள்ள தொகுதிகளில் வாரத்திற்கு இரண்டு முறை இயக்கப்படும் ட்ரோன், அவ்வப்போது வரும் ஹீரோ விமானங்களை விட சிறப்பாக செயல்படுகிறது; உங்கள் அளவுத்திருத்த வழக்கத்தை இறுக்கமாக வைத்திருங்கள் [3].

• உறுதிப்படுத்தும் சோதனையைச் சேர்க்கவும் : சில LAMP கருவிகளை வைத்திருங்கள் அல்லது அதிக பங்கு அழைப்புகளுக்கு CRISPR- அடிப்படையிலான மதிப்பீடுகளுக்கு விரைவான அணுகலை ஏற்பாடு செய்யுங்கள் [4][5].

• உங்கள் வேளாண்மை நாட்காட்டியுடன் ஒருங்கிணைக்கவும் : நோய் ஆபத்து ஜன்னல்கள், நீர்ப்பாசனம் மற்றும் தெளிப்பு கட்டுப்பாடுகள்.

• விளைவுகளை அளவிடுதல் : குறைவான முழுமையான தெளிப்புகள், வேகமான தலையீடுகள், குறைந்த இழப்பு விகிதங்கள், மகிழ்ச்சியான தணிக்கையாளர்கள்.

• மறு பயிற்சிக்கான திட்டம் : புதிய பருவம், மறு பயிற்சி. புதிய வகை, மறு பயிற்சி. இது சாதாரணமானது - மேலும் இது பலனளிக்கும் [2][3].

நம்பிக்கை, வெளிப்படைத்தன்மை மற்றும் கட்டுப்பாடுகள் பற்றி ஒரு சிறிய வார்த்தை 🔍

• விளக்கக்கூடிய தன்மை வேளாண் வல்லுநர்கள் ஒரு கணிப்பை ஏற்க அல்லது சவால் செய்ய உதவுகிறது, இது ஆரோக்கியமானது; நவீன மதிப்பீடுகள் துல்லியத்திற்கு அப்பால் சென்று மாதிரி எந்த அம்சங்களை நம்பியிருந்தது என்று [2].

• மேற்பார்வை : குறிக்கோள் தேவையற்ற பயன்பாடுகளைக் குறைப்பதே, அதிகமாக இருப்பதில்லை.

• தரவு நெறிமுறைகள் : களப் படங்கள் மற்றும் மகசூல் வரைபடங்கள் மதிப்புமிக்கவை. உரிமை மற்றும் பயன்பாட்டை முன்கூட்டியே ஒப்புக்கொள்ளுங்கள்.

• குளிர்ச்சியான யதார்த்தம் : சில நேரங்களில் சிறந்த முடிவு, அதிகமாகத் தேடுவதுதான், அதிகமாகத் தெளிப்பது அல்ல.

இறுதி குறிப்பு: மிக நீளமானது, நான் அதைப் படிக்கவில்லை ✂️

வேளாண்மைக்கு AI மாற்றாக இல்லை. அது அதை மேம்படுத்துகிறது. பயிர் நோய் கண்டறிதலுக்கு, வெற்றி முறை எளிமையானது: விரைவான தொலைபேசி வரிசைப்படுத்தல், உணர்திறன் வாய்ந்த தொகுதிகளில் அவ்வப்போது ட்ரோன் அனுப்புதல் மற்றும் அழைப்பு மிகவும் முக்கியமானதாக இருக்கும்போது ஒரு மூலக்கூறு சோதனை. அதை உங்கள் வேளாண் காலண்டருடன் இணைக்கவும், பூப்பதற்கு முன்பே சிக்கலைப் பிடிக்கும் ஒரு மெலிந்த, மீள்தன்மை கொண்ட அமைப்பு உங்களிடம் உள்ளது. நீங்கள் இன்னும் இருமுறை சரிபார்ப்பீர்கள், எப்போதாவது பின்வாங்குவீர்கள், அது பரவாயில்லை. தாவரங்கள் உயிரினங்கள். நாமும் அப்படித்தான். 🌿🙂

குறிப்புகள்

1. FAO – தாவர உற்பத்தி மற்றும் பாதுகாப்பு (தாவர-சுகாதார முன்னுரிமைகள் மற்றும் திட்டங்களின் கண்ணோட்டம்). இணைப்பு

2. கொண்டவீட்டி, எச்.கே., மற்றும் பலர். “விளக்கக்கூடிய AI ஐப் பயன்படுத்தி ஆழமான கற்றல் மாதிரிகளின் மதிப்பீடு…” அறிவியல் அறிக்கைகள் (இயற்கை), 2025. இணைப்பு

3. ராம், பி.ஜி., மற்றும் பலர். “துல்லிய விவசாயத்தில் ஹைப்பர்ஸ்பெக்ட்ரல் இமேஜிங் பற்றிய ஒரு முறையான மதிப்பாய்வு.” விவசாயத்தில் கணினிகள் மற்றும் மின்னணுவியல் , 2024. இணைப்பு

4. அக்லியெட்டி, சி., மற்றும் பலர். “தாவர நோய் கண்காணிப்பில் LAMP எதிர்வினை.” வாழ்க்கை (MDPI), 2024. இணைப்பு

5. டானி, டி., மற்றும் பலர். “வேளாண் பயன்பாடுகளில் CRISPR/காஸ் அடிப்படையிலான நோயறிதல்.” வேளாண்மை மற்றும் உணவு வேதியியல் இதழ் (ACS), 2023. இணைப்பு