{rfName}
In

Licencia y uso

Icono OpenAccess

Altmetrics

Análisis de autorías institucional

Sancho-Knapik DAutor o CoautorPeguero-Pina JjAutor o CoautorGil-Pelegrín EAutor o Coautor

Compartir

13 de noviembre de 2019
Publicaciones
>
Artículo

Instantaneous and non-destructive relative water content estimation from deep learning applied to resonant ultrasonic spectra of plant leaves

Publicado en:Plant Methods. 15 (1): 128-128 - 2019-11-07 15(1), DOI: 10.1186/s13007-019-0511-z

Autores: Dolores Farinas, Maria; Jimenez-Carretero, Daniel; Sancho-Knapik, Domingo; Javier Peguero-Pina, Jose; Gil-Pelegrin, Eustaquio; Gomez Alvarez-Arenas, Tomas

Afiliaciones

1Department of Food Technology, Universitat Politècnica de València (UPV), Valencia, Spain. - Autor o Coautor
2Cellomics Unit, Cell & Developmental Biology Area, Centro Nacional de Investigaciones Cardiovasculares (CNIC), Madrid, Spain. - Autor o Coautor
3Unidad de Recursos Naturales, Centro de Investigación y Tecnología Agroalimentaria Gobierno de Aragón (CITA), Zaragoza, Spain. - Autor o Coautor
4Sensors and Ultrasonic Technologies Department, Information and Physics Technologies Institute, Spanish National Research Council (CSIC), Madrid, Spain. - Autor o Coautor
CNIC, Cell Unit, Cell & Dev Biol Area, Madrid, Spain - Autor o Coautor
CSIC, Sensors & Ultrason Technol Dept, Informat & Phys Technol Inst, Madrid, Spain - Autor o Coautor
Ctr Invest & Tecnol Agroalimentaria Gobiemo Arago, Unidad Recursos Nat, Zaragoza, Spain - Autor o Coautor
Univ Politecn Valencia, Dept Food Technol, Valencia, Spain - Autor o Coautor
Ver más

Resumen

Non-contact resonant ultrasound spectroscopy (NC-RUS) has been proven as a reliable technique for the dynamic determination of leaf water status. It has been already tested in more than 50 plant species. In parallel, relative water content (RWC) is highly used in the ecophysiological field to describe the degree of water saturation in plant leaves. Obtaining RWC implies a cumbersome and destructive process that can introduce artefacts and cannot be determined instantaneously.Here, we present a method for the estimation of RWC in plant leaves from non-contact resonant ultrasound spectroscopy (NC-RUS) data. This technique enables to collect transmission coefficient in a [0.15-1.6] MHz frequency range from plant leaves in a non-invasive, non-destructive and rapid way. Two different approaches for the proposed method are evaluated: convolutional neural networks (CNN) and random forest (RF). While CNN takes the entire ultrasonic spectra acquired from the leaves, RF only uses four relevant parameters resulted from the transmission coefficient data. Both methods were tested successfully in Viburnum tinus leaf samples with Pearson's correlations between 0.92 and 0.84.This study showed that the combination of NC-RUS technique with deep learning algorithms is a robust tool for the instantaneous, accurate and non-destructive determination of RWC in plant leaves.© The Author(s) 2019.

Palabras clave

IrrigationMachine learningNc-rusPlant leavesRwcUltrasounds

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Plant Methods debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2019, se encontraba en la posición 36/234, consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Plant Sciences.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales proporcionadas por WoS (ESI, Clarivate), arroja un valor para la normalización de citas relativas a la tasa de citación esperada de: 2.07. Esto indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 14 Nov 2024)

Esta información viene reforzada por otros indicadores del mismo tipo, que aunque dinámicos en el tiempo y dependientes del conjunto de citaciones medias mundiales en el momento de su cálculo, coinciden en posicionar en algún momento al trabajo, entre el 50% más citados dentro de su temática:

  • Media Ponderada del Impacto Normalizado de la agencia Scopus: 2.26 (fuente consultada: FECYT Feb 2024)
  • Field Citation Ratio (FCR) de la fuente Dimensions: 5.74 (fuente consultada: Dimensions Jul 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2025-07-13, el siguiente número de citas:

  • WoS: 43
  • Scopus: 43
  • Europe PMC: 9
  • Google Scholar: 40

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-07-13:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 87.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 94 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 3.1.
  • El número de menciones en la red social X (antes Twitter): 6 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.