MétaCan
Menu
Retour à la cohorte
Enregistrement W4205464784 · doi:10.1109/jflex.2021.3131833

A Printed LC Resonator-Based Flexible RFID for Remote Potassium Ion Detection

2021· article· en· W4205464784 sur OpenAlexafffund
Tianhang Wu, Sharmistha Bhadra

Notice bibliographique

RevueIEEE Journal on Flexible Electronics · 2021
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAnalytical Chemistry and Sensors
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCapacitive sensingResonatorOptoelectronicsElectromagnetic coilAnalytical Chemistry (journal)Radio-frequency identificationMaterials scienceElectrical engineeringChemistryComputer scienceEngineeringChromatography

Résumé

récupéré en direct d'OpenAlex

This article presents a flexible printed radio-frequency identification (RFID) sensor based on a printed inductive&#x2013;capacitive (LC) resonator circuit and a potassium ion-selective electrode (ISE) for remote potassium ion sensing. The potassium ion concentration of the contact solution can be monitored by measuring the change of the resonant frequency of the RFID sensor. The resonant frequency of the sensor can be directly detected by measuring the induced change in the reflection coefficient (<inline-formula> <tex-math notation="LaTeX">$S_{11}$ </tex-math></inline-formula>) of an external interrogator coil that is inductively coupled to the RFID sensor. Results obtained for the RFID sensor exhibited a second-order exponential relationship between the resonant frequency of the sensor and the K<sup>&#x002B;</sup> concentration of the solution over 0.001&#x2013;2 mol/L dynamic range values. Effects of varying separation distance between the sensor and the interrogator coil and the effect of temperature variations on sensor&#x2019;s measurement are shown. With less than 2-s response time and the long-term stability, the wireless passive printed sensor has potential for low-cost K<sup>&#x002B;</sup> monitoring applications such as K<sup>&#x002B;</sup> monitoring in food packages.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,696
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,269
Écart entre enseignants0,249 · 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.

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

Citations11
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Journal on Flexible ElectronicsMême sujetAnalytical Chemistry and SensorsTravaux en français237 207