MétaCan
Menu
Retour à la cohorte
Enregistrement W2995140089 · doi:10.1109/iemcon.2019.8936257

IoT Gas and Temperature Monitoring Interface of a Low Temperature Pyrolysis Reactor for the Production of Biochar

2019· article· en· W2995140089 sur OpenAlexaff
Nestor Luis Brito Naveda, Julie Youjin Jung, A. M. Davydov, Pavandeep Singh Dhillon, Yun Hua Hung, Mark Lee, Jasmine Radu, Oakley Bach-Raabe, Connor Michael Thomas Hayden

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT-based Control Systems
Établissements canadiensLangara College
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBiocharEvent (particle physics)Interface (matter)PyrolysisProcess engineeringArduinoEnvironmental scienceReal-time computingEmbedded systemOperating systemWaste managementEngineering

Résumé

récupéré en direct d'OpenAlex

The Langara College Biochar Project consists on the use of a small pyrolysis reactor to convert a variety of biomass compounds into biochar. The current reactor lacks a monitoring interface to keep track of the different gas concentrations and the temperature of the kiln. This project aims to create a device that: communicates gas concentrations and temperatures from the pyrolytic reaction to a website; in the case of an emergency event, sends SMS alerts to the operator, and enables an actuator to shut off the reaction; and finally, stores data locally. The device used for data acquisition and manipulation was an Arduino Mega 2560, fitted with a Wi-Fi shield for the communications and data storage. Sensor wise, the Grove Multichannel Gas Sensor, DHT22, and TMP36, were employed for the measurement of gas concentrations, humidity, and temperature, respectively. ThingSpeak and IFTTT were used for the monitoring and alert system. The scope of this project was to provide a starting point to such a device by employing inexpensive components and laying out most of the software. As a consequence, our results were affected by cross-sensitivity between gas sensors. Regardless, the device is capable of displaying trend-lines for the concentration, sending them to a remote server, storing the data locally, and sending alerts when an emergency event occurs. Future iterations should employ a fully featured website and more precise sensors.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0190,003

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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT-based Control SystemsTravaux en français237 207