Vermicomposting Smart Closed Reactor Design and Performance Assessment by Using Sewage Sludge
Notice bibliographique
Résumé
Abstract This study aims to design a smart closed reactor of vermicomposting to convert sewage sludge and any organic waste to high-quality vermicompost. In this reactor design, all aspects of growth and reproduction of Eisenia Fetida worms, such as aeration, temperature, light, and moisture, were considered. We analyzed the physicochemical, bacterial, and microstructural of produced vermicompost and growth rate of worms in a substrate of 70% sewage sludge, 20% cow manure, and 10% sugarcane bagasse in a container and the smart reactor. The results show that vermicomposting in the smart reactor took 50% less time and 30% more worm growth rate to produce the same quality as in a container. After vermicomposting in the reactor, the parameters of pH, fecal coliform, phosphorus, organic matter, and C/N decreased whereas the parameters of carbon, nitrogen, nitrate, ammonia nitrate, and EC increased, slightly. Although, the EC amount of the reactor production is more than the container one, the amount of moisture, phosphorus, and organic matter of the vermicompost in the container is more than the reactor one. Based on the odor absorption and leachate elimination of this reactor, we recommend that it be utilized for vermicompost production, including out of smelly organic wastes such as sewage sludge, even in any public zone and personal houses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».