MétaCan
Menu
Retour à la cohorte
Enregistrement W2119186668 · doi:10.1179/1743278214y.0000000212

Radio frequency identification (RFID) based corrosion monitoring sensors Part 2 – Application and testing of coating materials

2014· article· en· W2119186668 sur OpenAlexaff
Youliang He, S. McLaughlin, J. S. H. Lo, Chao Shi, Jared Lenos, A. Vincelli

Notice bibliographique

RevueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion Control · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSmart Materials for Construction
Établissements canadiensImperial Oil (Canada)Defence Research and Development CanadaCanadian Sport Centre PacificUniversity of WaterlooNatural Resources Canada
Organismes subventionnairesnon disponible
Mots-clésCorrosionCoatingElectromagnetic interferenceRadio-frequency identificationMaterials scienceElectromagnetic shieldingEMIShieldWirelessRadio frequencyInterference (communication)AcousticsComputer scienceTelecommunicationsComposite materialPhysics

Résumé

récupéré en direct d'OpenAlex

Cost-effective radio frequency identification (RFID) transponders (tags) were investigated for wireless corrosion monitoring by applying a metal filled conductive composite coating onto the surface of the plastic tags. The coating acted as an electromagnetic interference (EMI) shield by attenuating or completely blocking the radio frequency signals transmitted between the transceiver (reader) and the tag. When the coated RFID tag was exposed to a corrosive environment through accelerated corrosion tests or marine atmospheric tests, the degradation of the coating decreased the EMI shielding effectiveness and resulted in a strengthened communication between the reader and the tag. By establishing a correlation between the corrosion rate of the metal object to be monitored and the sensor responding performance, it was possible to monitor cumulative corrosion damage via wireless sensor reading.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,094
Score d'incertitude au seuil0,648

Scores Codex et Gemma par catégorie

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

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 Opus0,006
Tête enseignante GPT0,207
Écart entre enseignants0,201 · 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.

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

Citations14
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorrosion Engineering Science and Technology The International Journal of Corrosion Processes and Corrosion ControlMême sujetSmart Materials for ConstructionTravaux en français237 207