MétaCan
Menu
Retour à la cohorte
Enregistrement W3176513109 · doi:10.18280/jesa.540308

Propose an Automatic Ammonia Concentration of Water Measuring System Combining Image Processing for Aquaculture

2021· article· en· W3176513109 sur OpenAlexvenueno aff
Phat Nguyen Huu, Hoan Nguyen Duc

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensnon disponible
Organismes subventionnairesBộ Giáo dục và Ðào tạo
Mots-clésComputer scienceProcess (computing)Real-time computingImage processingWork (physics)UnderwaterMeasure (data warehouse)Image (mathematics)Embedded systemSimulationArtificial intelligenceDatabaseOperating systemEngineering

Résumé

récupéré en direct d'OpenAlex

The underwater environmental monitoring system applying IoT is now developing for 4.0 industry. It helps not only to simplify work but also to increase efficiency and reduce costs and execution time as well as ensure health to avoid contact with toxic solutions. In this paper, we first model the process of measuring NH3 concentration manually to automate. Secondly, the proposed model is combined with the process of processing output image automatically and displaying the results on the server. Thirdly, the system is able to measure the concentration by VNC viewer connecting with Raspberry pi4 via WiFi. The result of the NH3 concentration parameter is sent to users quickly to alert promptly when it reaches a dangerous threshold. Experiments show that the system not only ensures fast processing time (less than 5 minutes) but also improves accuracy (up to 80%) comparing with real devices.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,753

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 technologies0,0010,000
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,267
Écart entre enseignants0,234 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207