High-throughput phenotyping for non-destructive estimation of soybean fresh biomass using a machine learning model and temporal UAV data

Rezultati

Naziv:	High-throughput phenotyping for non-destructive estimation of soybean fresh biomass using a machine learning model and temporal UAV data
Autori:	Ranđelović, Predrag ; Đorđević, Vuk ; Miladinović, Jegor ; Prodanović, Slaven ; Ćeran, Marina ; Vollmann, Johann
Godina:	2023
Publikacija:	Plant Methods
ISSN:	1746-4811 Plant Methods Pretraži identifikator
Tip rezultata:	Naučni članak
Kolacija:	vol. 19 br. 1 str. 89
DOI:	10.1186/s13007-023-01054-6
WoS-ID:	001093871700002
Scopus-ID:	2-s2.0-85169119775
PMID:	37633921
PMCID:	PMC10463513
URI:	https://enauka.gov.rs/handle/123456789/787552 https://fiver.ifvcns.rs/handle/123456789/4064 http://fiver.ifvcns.rs/handle/123456789/4064
Projekat:	Ministarstvo nauke, tehnološkog razvoja i inovacija Republike Srbije, institucionalno finansiranje - 200032 (Naučni institut za ratarstvo i povrtarstvo, Novi Sad) ECOBREED (Increasing the efficiency and competitiveness of organic crop breeding)
Izvor metapodataka:	(Preuzeto iz CrossRef-a) Ranđelović, Predrag
M-kategorija:	21aM21a - Vodeći međunarodni časopis kategorije M21a

20
SCOPUS^TM

2
PubMed Central^TM

15
WEB OF SCIENCE^TM

Alt metrika

Dimensions

Unpaywall

Rezultati na eNauka su zaštićeni autorskim pravima i sva prava su zadržana, osim ako nije drugačije naznačeno.