MétaCan
Menu
Retour à la cohorte
Enregistrement W2022938358 · doi:10.1080/10739149.2012.673199

ALGAE DETECTION AND SHIP'S BALLAST WATER ANALYSIS BY A MICROFLUIDIC LAB-ON-CHIP DEVICE

2012· article· en· W2022938358 sur OpenAlexaff
Yongxin Song, Jizhe Wang, Jiandong Yang, Yanbin Wu, Nan Li, Ning Gong, Xinxiang Pan, Yeqing Sun, Dongqing Li

Notice bibliographique

RevueInstrumentation Science & Technology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMarine Ecology and Invasive Species
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBallastAlgaeLab-on-a-chipChipMicrofluidicsChlorella vulgarisEnvironmental sciencePulp and paper industryMaterials scienceNanotechnologyElectrical engineeringBiologyEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

This article reports a microfluidic lab-on-chip device that can detect algae and analyze ship's ballast water treatment performance according to the standard set by the International Convention for the Control and Management of Ships’ Ballast Water and Sediments. A microfluidic differential resistive pulse sensor (RPS) was employed to detect, count, and size two algae of different sizes, a larger alga, Pseudokirchneriella subcapitata, and a smaller one, Chlorella vulgaris. The number rate of the algae flowing through the sensing gate per 2 min is a linear function of the sample concentration. A number rate-concentration correlation curve was experimentally obtained and verified, and can be used to determine the algae concentration simply by counting the number of peaks within several minutes. This lab-on-chip device described in this article is sensitive enough to detect the algae killing efficiency by electrolysis treatment to the ballast water. Also, this device can be easily operated by nonprofessionals and thus has great potentials in shipboard on-site testing for port state control.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,248
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,235
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInstrumentation Science & TechnologyMême sujetMarine Ecology and Invasive SpeciesTravaux en français237 207