A Low Cost Compact Measurement System Constructed Using a Smart Electrochemical Sensor for the Real-Time Discrimination of Fruit Ripening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ethylene as an indicator for evaluating fruit ripening can be measured by very sensitive electrochemical gas sensors based on a high-resolution current produced by a bias potential applied to the electrodes. For this purpose, a measurement system for monitoring ethylene gas concentrations to evaluate fruit ripening by using the electrochemical ethylene sensor was successfully developed. Before the electrochemical ethylene sensor was used to measure the ethylene gas concentrations released from fruits, a calibration curve was established by the standard ethylene gases at concentrations of 2.99 ppm, 4.99 ppm, 8.01 ppm and 10 ppm, respectively, with a flow rate of 0.4 L·min(-1). From the calibration curve, the linear relationship between the responses and concentrations of ethylene gas was obtained in the range of 0-10 ppm with the correlation coefficient R² of 0.9976. The micropump and a novel signal conditioning circuit were implemented in this measurement, resulting in a rapid response in detecting ethylene concentrations down to 0.1 ppm in air and in under 50 s. In this experiment, three kinds of fruits-apples, pears and kiwifruits-were studied at a low concentration (under 0.8 ppm) of trace ethylene content in the air exhaled by fruits. The experimental results showed that a low cost, compact measurement system constructed by using an electrochemical ethylene sensor has a high sensitivity of 0.3907 V·ppm(-1) with a theoretical detection limit of 0.413 ppm, and is non-invasive and highly portable.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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