MétaCan
Menu
Retour à la cohorte
Enregistrement W3196768319 · doi:10.18280/ijdne.160409

Design of the Humidity and Temperature Controller Using the Moistures of Leaf and Soil

2021· article· en· W3196768319 sur OpenAlexvenueno aff
Walaa Kareem Khalaf, Yong Tae Kim

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueGreenhouse Technology and Climate Control
Établissements canadiensnon disponible
Organismes subventionnairesKorea International Cooperation Agency
Mots-clésGreenhouseHumidityEnvironmental scienceIrrigationWater contentRelative humidityAir temperatureMoistureController (irrigation)Materials scienceAgronomyMeteorologyEngineeringGeographyComposite materialGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

A controlling of air temperature and humidity is important issue because environment change has effects on growing stages of plants. In this study a (DHT22, AH-300u, YL-69) sensors and a microcontroller (arduino Uno) have been used to monitoring and controlling the temperature, humidity of air and control irrigation process based on monitoring the moistures of (soil, plant leaf) data inside the greenhouse prototype. The findings during the experiment time (4 days) indicates that the air temperature maintain at reference value 27℃ and relative humidity has a slightly increase by 0.7 from reference value (82). The output voltage of soil moisture sensor has been monitor at a small range (0.8 v - 1 v) roughly stable, and it is near to field capacity. The output voltage of leaf moisture sensor is slightly increased. From this study it has been observed that the proposed system in a greenhouse is a good procedure to maintain air temperature and humidity inside the greenhouses and effective for monitoring air factors as well as soil and leaf moistures. regarding irrigation process, a decision table has been suggested to control the irrigation water flow rate according to output voltage of each of soil and leaf moistures 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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,830
Score d'incertitude au seuil0,163

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 Opus0,016
Tête enseignante GPT0,233
Écart entre enseignants0,217 · 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 revueInternational Journal of Design & Nature and EcodynamicsMême sujetGreenhouse Technology and Climate ControlTravaux en français237 207