MétaCan
Menu
Retour à la cohorte
Enregistrement W2967880813 · doi:10.3390/s19163508

Real-Time Ozone Sensor Based on Selective Oxidation of Methylene Blue in Mesoporous Silica Films

2019· article· en· W2967880813 sur OpenAlexaboutno aff
Christelle Ghazaly, Marc Hébrant, Eddy Langlois, Blandine Castel, Marianne Guillemot, Mathieu Etienne

Notice bibliographique

RevueSensors · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality Monitoring and Forecasting
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOzoneDetection limitRelative humidityMesoporous silicaMaterials scienceLinear rangeMethylene blueMesoporous materialEnvironmental scienceAtmosphere (unit)Response timeAnalytical Chemistry (journal)Environmental chemistryChemistryComputer scienceMeteorologyChromatographyOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

Sensitive and selective personal exposure monitors are needed to assess ozone (O3) concentrations in the workplace atmosphere in real time for the analysis and prevention of health risks. Here, a cumulative gas sensor using visible spectroscopy for real-time O3 determination is described. The sensing chip is a mesoporous silica thin film deposited on transparent glass and impregnated with methylene blue (MB). The sensor is reproducible, stable for at least 50 days, sensitive to 10 ppb O3 (one-tenth of the occupational exposure limit value in France, Swiss, Canada, U.K., Japan, and the USA) with a measurement range tested up to 500 ppb, and insensitive to NO2 and to large variation in relative humidity. A model and its derivative as a function of time are proposed to convert in real time the sensor response to concentrations, and an excellent correlation was obtained between those data and reference O3 concentrations. This sensor is based on a relatively cheap sensing material and a robust detection system, and its analytical performance makes it suitable for monitoring real-time O3 concentrations in workplaces to promote a safer environment for workers.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,153
Score d'incertitude au seuil0,780

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
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)0,0010,001

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 Opus0,010
Tête enseignante GPT0,239
Écart entre enseignants0,229 · 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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAir Quality Monitoring and ForecastingTravaux en français237 207