MétaCan
Menu
Retour à la cohorte
Enregistrement W2976562623 · doi:10.3390/s19194224

A Novel, Portable and Fast Moisture Content Measuring Method for Grains Based on an Ultra-Wideband (UWB) Radar Module and the Mode Matching Method

2019· article· en· W2976562623 sur OpenAlexaff
Chi Zhang, Zhichao Shi, Haiying Yang, Xiaoguang Zhou, Zidan Wu, Digvir S. Jayas

Notice bibliographique

RevueSensors · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrowave and Dielectric Measurement Techniques
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNational Key Research and Development Program of ChinaKeysight Technologies
Mots-clésPermittivityRadarReflection coefficientMaterials scienceMoistureCorrelation coefficientWater contentAcousticsReflection (computer programming)WidebandElectronic engineeringCoaxialWaveguideOpticsRemote sensingOptoelectronicsDielectricComputer scienceEngineeringComposite materialElectrical engineeringPhysicsTelecommunicationsGeology

Résumé

récupéré en direct d'OpenAlex

To perform fast and portable grain moisture measurements under field conditions, a novel moisture sensor was designed, which consisted of a coaxial waveguide, a circular waveguide, and an isolation layer. The electromagnetic characteristics of the sensor were simulated and measured. The analytical model, which represented the relationship between the reflection coefficient of the sensor and the complex permittivity of grain, was established by using the mode matching method. The reflection coefficient of the sensor was measured by using an ultra-wideband (UWB) radar module, and the moisture content of grains was calculated from the complex permittivity by using density-independent model. To verify the performance of the proposed method, wheat, rough rice, and barley were taken as examples. The measured results in the range from 1.0% to 26.0%, wet basis, agreed well with the reference values (R2 was more than 0.99), and the maximum absolute errors for wheat, rough rice, and barley were 1.1%, 1.0%, and 1.4%, respectively. In addition, the effect of isolation layer was discussed. Both the simulation results and the experimental results showed that the isolation layer improved the stability of sensor.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,705
Score d'incertitude au seuil0,721

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,256
Écart entre enseignants0,227 · 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

Citations21
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetMicrowave and Dielectric Measurement TechniquesTravaux en français237 207