MétaCan
Menu
Retour à la cohorte
Enregistrement W3010725566 · doi:10.1139/tcsme-2019-0297

Design and experimental study of the self-adaptive splitting technology of lotus seeds

2020· article· en· W3010725566 sur OpenAlexvenueno aff
Ange Lu, Qiucheng Ma, Jie Ma

Notice bibliographique

RevueTransactions of the Canadian Society for Mechanical Engineering · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueChromatography in Natural Products
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLotusLotus effectProcess (computing)Mechanism (biology)Computer scienceLinkage (software)Position (finance)Point (geometry)Mechanical engineeringMathematicsEngineeringPhysicsBotanyGeometryBiology

Résumé

récupéré en direct d'OpenAlex

The lotus plumule has high medicinal value and is an important part of the lotus seed. Usually, the lotus seed must be split symmetrically into two halves through a splitting process to obtain an intact lotus plumule. However, this process is difficult to mechanize and automate, as different lotus seeds are of different sizes. In this study, a novel automatic self-adaptive splitting technology (SAST) is proposed for lotus seeds, based on a specially designed combined linkage mechanism and a roller pair centering mechanism. The technology can automatically adjust the position of the splitting point taper punch according to the size of the lotus seed and ensure that the tip of the punch is on the axis of the lotus seed. First, the centering deviation of the centering mechanism was analyzed. A mathematical model for the SAST was developed, and the key parameters were optimized using the firefly algorithm. An automatic splitting machine and a test bench were designed for centering deviation measurements, and both centering and splitting experiments were conducted. The generated maximum centering deviation of the SAST was <0.176 mm; the highest accurate splitting rates of 95% and 93.05% were achieved for unclassified and graded lotus seeds, respectively.

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 enseignants0,021
Score d'incertitude au seuil0,345

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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,206
Écart entre enseignants0,193 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions of the Canadian Society for Mechanical EngineeringMême sujetChromatography in Natural ProductsTravaux en français237 207