MétaCan
Menu
Retour à la cohorte
Enregistrement W2982909732 · doi:10.1109/tie.2019.2949520

Multiresonant Chipless RFID Array System for Coating Defect Detection and Corrosion Prediction

2019· article· en· W2982909732 sur OpenAlexaff
Sameir Deif, Mojgan Daneshmand

Notice bibliographique

RevueIEEE Transactions on Industrial Electronics · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueRFID technology advancements
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésChipless RFIDPipeline (software)CoatingAntenna (radio)AcousticsMaterials scienceWirelessRadio-frequency identificationElectronic engineeringResonatorComputer scienceEngineeringElectrical engineeringOptoelectronicsComposite materialPhysicsTelecommunicationsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

In this article, a fully passive, wireless solution for out-of-sight pipeline monitoring is presented. By predicting corrosion before its occurrence, a proactive response may be taken to mitigate the chance of an environmental disaster. The chipless radio-frequency identification system is a combination of a tag ID, consisting of an array of six rectangular spiral resonators, and a tag antenna consisting of two cross-polarized novel patch antennas etched on a skin-thin microwave laminate. The tags are grounded on a carbon steel pipeline coated with 3 mm Teflon (polyethylene-like electrical characteristics). The proposed system exhibits robust capability to create frequency signatures to detect and monitor defects underneath the pipeline coating owing to water ingress that could eventuate to corrode the pipeline. The reader antenna above the pipeline comprises two identically cross-polarized log periodic dipole antennas with the intent to remotely capture resonances of the tag ID in real-time for early detection and prediction of potential pipeline exposure to moisture. The proposed structure provides low-cost real-time solution.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,013
Tête enseignante GPT0,210
Écart entre enseignants0,197 · 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'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

Citations117
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Industrial ElectronicsMême sujetRFID technology advancementsTravaux en français237 207