MétaCan
Menu
Retour à la cohorte
Enregistrement W2044526072 · doi:10.1590/s0100-69162011000100012

Método de avaliação de equipamentos para direcionamento de veículos agrícolas e efeito de sinais de GNSS

2011· article· pt· W2044526072 sur OpenAlexaff
José Paulo Molin, Fabrício Pinheiro Povh, Vanderson Rabelo de Paula, José Vitor Salvi

Notice bibliographique

RevueEngenharia Agrícola · 2011
Typearticle
Languept
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPhysicsHumanities

Résumé

récupéré en direct d'OpenAlex

Pesquisas indicam que o uso de novas técnicas no campo da mecanização agrícola, como o tráfego controlado por meio de direcionamento com auxílio de Sistemas de Navegação Global por Satélites (GNSS), pode diminuir as exigências por energia associadas às operações de campo e aumentar a produtividade da mão de obra e da cultura. Alguns autores já utilizaram diferentes metodologias para avaliar erros de paralelismo em sistemas de orientação de veículos, porém não há um procedimento-padrão para medi-los. Sendo assim, o objetivo deste trabalho foi implementar uma planilha eletrônica específica, determinar e comparar a acurácia no paralelismo de dois sistemas distintos de orientação de veículos (uma barra de luz e um piloto automático com atuador de volante) em trajetórias retilíneas e utilizando sinal de GPS com dois sistemas de correção diferencial (um com algoritmo interno e outro, um sinal via satélite com acurácia submétrica). Para a avaliação dos sistemas de correção, utilizou-se como referência o sinal de correção diferencial RTK (Real Time Kinematic) para realização de cinco passadas paralelas sucessivas para cada sistema de correção, caracterizando cinco repetições de cada tratamento. A planilha viabilizou o método de avaliação utilizado e os erros apresentados para as correções nos dois equipamentos analisados mostraram-se compatíveis com operações que exijam acurácia de paralelismo da ordem de decímetros.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,085
Tête enseignante GPT0,271
Écart entre enseignants0,186 · 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'étudeObservationnel
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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEngenharia AgrícolaMême sujetSoil Management and Crop YieldTravaux en français237 207