Sélection de bandes hyperspectrales pour la prédiction non destructive des traits bio-chimiques des feuilles végétales - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Sélection de bandes hyperspectrales pour la prédiction non destructive des traits bio-chimiques des feuilles végétales

Catherine Baskiotis
Light Scatter Learning
CV
Josselin Aval
Institut supérieur de l'électronique et du numérique (ISEN)
Light Scatter Learning
YNCREA OUEST
CV
Marwa El Bouz
  • Fonction : Auteur
Light Scatter Learning
Ayman Alfalou
Light Scatter Learning
CV

Domaines

Sciences de l'ingénieur [physics] Sciences de l'environnement Sciences du Vivant [q-bio]
Baskiotis_Diapo_IONC_2022.pdf (3.86 Mo) Télécharger le fichier
resume_JIONC_2022_baskiotis.pdf (82.13 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Origine : Fichiers produits par l'(les) auteur(s)

Josselin Aval  : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03636898

Soumis le : lundi 11 avril 2022-11:45:46

Dernière modification le : vendredi 15 avril 2022-03:31:26

Télécharger pour visualiser

Dates et versions

hal-03636898 , version 1 (11-04-2022)

Identifiants

  • HAL Id : hal-03636898 , version 1

Citer

Catherine Baskiotis, Josselin Aval, Marwa El Bouz, Ayman Alfalou. Sélection de bandes hyperspectrales pour la prédiction non destructive des traits bio-chimiques des feuilles végétales. Journées Imagerie Optique Non Conventionnelle 2022 (JiONC 2022), Mar 2022, Paris, France. ⟨hal-03636898⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

LABISEN LABISEN-LSL
64 Consultations
29 Téléchargements

Partager

Gmail Facebook X LinkedIn More