MétaCan
Menu
Retour à la cohorte
Enregistrement W2043001381 · doi:10.1366/0003702041655476

Simple Fiber-Optic-Based Sensors for Process Monitoring: An Application in Wine Quality Control Monitoring

2004· article· en· W2043001381 sur OpenAlexaff
Isabelle Noiseux, William F. Long, Alain Cournoyer, Marcia L. Vernon

Notice bibliographique

RevueApplied Spectroscopy · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensInstitut National d'Optique
Organismes subventionnairesnon disponible
Mots-clésRefractometerRefractive indexOptical fiberFiber optic sensorAbsorption (acoustics)Materials scienceWineFiberOpticsOptoelectronics

Résumé

récupéré en direct d'OpenAlex

The goal of this research was to develop a simple and economical fiber-optic sensor technology for agrifood process monitoring. Toward this end, two fiber-optic sensors were developed to be used in combination: a single reflection V-bend sensor and a single fiber air-gap probe. The former is designed to be sensitive toward refractive index and the latter towards absorption. Experiments indicate that the micromachined V-bend fiber refractometer is most sensitive when the bend angle is centered around 140 degrees, at which angle the sensor may resolve changes in refractive index as small as 0.00015. Additionally, the V-bend sensor was found to be non-responsive toward sample absorption even in extremely absorbing solutions. The air-gap design absorption sensor, most commonly used for measurements in highly colored media, was found to be slightly sensitive towards refractive index. When the two sensors are used together, the response of the absorption sensor may be corrected for. This sensor combination is able to provide accurate measurements in situations where Beer's law is not obeyed. Results are presented that show that the sensor pair was successfully used to monitor wine sugar content (Brix), and color density and hue, parameters related to the age of the wine.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,320
Écart entre enseignants0,293 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations25
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SpectroscopyMême sujetFermentation and Sensory AnalysisTravaux en français237 207