Survey on IoT based Farm Freshness Mobile Application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Food safety and hygiene are major concerns when it comes to preventing food waste. In India's major markets the fruits and vegetables are getting wasted due to temperature and humidity fluctuations. The quality of the food (fruits and vegetables) should be examined, and they should be guarded from rotting and decaying due to atmospheric aspects like temperatures, moisture, and shade, which help farmers conserve the food (fruits and vegetables) while in transit. An Android application based on the Internet of Things will be built in this article to monitor environmental elements such as heat, moisture, alcohol percentage, and light exposed. The Arduino UNO, a well-known popular tooling board, is at the heart of this device. Different sensors are interfaced to the Microcontroller board such as the DHT11, MQ3, LDR, <tex>$16\times 2$</tex> LCD, ESP8266 Wi-Fi, and Image sensor, which are all connected to an Android app where the user is notified with real-time data that defines the food quality. ML will be used to analyze the image captured by the app and predict the condition of the food. The app includes a chatbot that provides information on food quality. The app will suggest nearby organic stores based on the user's location. The app will also support Multilanguage's like English, Telugu, Tamil, Kannada and Hindi which will help the farmers, stakeholders to understand in their local language.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 découle