New imaging technique brings us closer to simplified, low-cost agricultural quality assessment

A team of University of Illinois Urbana-Champaign researchers has developed a method to reconstruct hyperspectral images from standard RGB images using deep machine learning. This technique can greatly simplify the analytical process and potentially revolutionize product assessment in the agricultural industry.

Illinois researchers develop near-infrared spectroscopy models to analyze corn kernels, biomass

In the agricultural and food industry, determining the chemical composition of raw materials is important for production efficiency, application, and price. Traditional laboratory testing is time-consuming, complicated, and expensive. New research from the University of Illinois Urbana-Champaign demonstrates that near-infrared (NIR) spectroscopy and machine learning can provide quick, accurate, and cost-effective product analysis.

Desde Chile descubren causas de la diversidad estelar en estrellas binarias

Utilizando el telescopio de Gemini Sur, ubicado en la Región de Coquimbo en Chile, un equipo de astrónomos confirmó por primera vez que las diferencias observadas en las estrellas binarias se deben a las diferencias químicas en la nube de material estelar de la cual se formaron. Los resultados ayudan a explicar por qué las estrellas que nacieron de la misma nube molecular pueden tener una composición química distinta y sistemas planetarios tan diferentes, además de plantear nuevos retos a los modelos actuales de formación estelar y planetaria.