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

Ranđelović, Predrag; Đorđević, Vuk; Miladinović, Jegor; Prodanović, Slaven; Ćeran, Marina; Vollmann, Johann

Rezultati

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

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 http://fiver.ifvcns.rs/handle/123456789/4064
Izvor metapodataka:	(Preuzeto iz CrossRef-a) Ranđelović, Predrag
M-kategorija:	21aM21a - Rad u međ. časopisu izuzetnih vrednosti

1
SCOPUS^TM

1
PubMed Central^TM

1
WEB OF SCIENCE^TM

Alt metrika

Dimensions

Pronađi DOI

Pronalaženje DOI u servisu CrossRef-u na osnovu meta-podataka u zapisu. Prikazaće se DOI (i metapodaci) čiji se podaci najviše poklapaju. OPREZ - to ne mora biti ta publikacija.

Unpaywall

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