MétaCan
Menu
Retour à la cohorte
Enregistrement W2734959217 · doi:10.13031/aea.11947

Evaluation of Inter-Row Sweeps with Different Working Widths

2017· article· en· W2734959217 sur OpenAlexfundno aff
Songül Şen Gürsoy, Ying Chen

Notice bibliographique

RevueApplied Engineering in Agriculture · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil Mechanics and Vehicle Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma KurumuUniversity of Manitoba
Mots-clésLoamBinMathematicsSoil scienceEnvironmental scienceSoil waterAlgorithm

Résumé

récupéré en direct d'OpenAlex

Abstract. Little information is available on the performance of inter-row sweeps. The aim of this study was to evaluate the potential of inter-row sweeps for mechanical weed control. Sweeps with different working widths (153, 280, and 330 mm) were tested at different working speeds (0.70, 1.53, and 2.22 m s-1) and a constant working depth (50 mm) in an indoor soil bin with a sandy loam soil. Measurements included soil disturbance characteristics: distance of soil throw (L), width of disturbed soil (W), mass of soil throw (M), height of soil ridge (H), and draft force (Fd). Results showed that L increased linearly with the working speed, but L was not affected by the working width of the sweeps. In contrast, W was slightly affected by the speed, but it was significantly increased if a wider sweep was used. Effects of working speed on M and H depended on the sweep width, and the smallest sweep traveling at 2.22 m s-1 resulted in the highest M and H. Draft force was higher for a wider sweep and a higher working speed. Considering the potential weeding efficiency (defined as the ratio of W and Fd), the width of sweep would not make any differences, and a lower working speed would result in better performance. Keywords: Draft force, Inter-row, Soil disturbance, Speed, Sweep, Weeding.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,200
Écart entre enseignants0,188 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Engineering in AgricultureMême sujetSoil Mechanics and Vehicle DynamicsTravaux en français237 207