Fabrication and Optimization of a Conducting Polymer Sensor Array Using Stored Grain Model Volatiles
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
During storage, grain can experience significant degradation in quality due to a variety of physical, chemical, and biological interactions. Most commonly, these losses are associated with insects or fungi. Continuous monitoring and an ability to differentiate between sources of spoilage are critical for rapid and effective intervention to minimize deterioration or losses. Therefore, there is a keen interest in developing a straightforward, cost-effective, and efficient method for monitoring of stored grain. Sensor arrays are currently used for classifying liquors, perfumes, and the quality of food products by mimicking the mammalian olfactory system. The use of this technology for monitoring of stored grain and identification of the source of spoilage is a new application, which has the potential for broad impact. The main focus of the work described herein is on the fabrication and optimization of a carbon black (CB) polymer sensor array to monitor stored grain model volatiles associated with insect secretions (benzene derivatives) and fungi (aliphatic hydrocarbon derivatives). Various methods of statistical analysis (RSD, PCA, LDA, t test) were used to select polymers for the array that were optimum for distinguishing between important compound classes (quinones, alcohols) and to minimize the sensitivity for other parameters such as humidity. The performance of the developed sensor array was satisfactory to demonstrate identification and separation of stored grain model volatiles at ambient conditions.
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