Fully 3D-Printed Microfluidic Sensor Using Substrate Integrated Waveguide Technology for Liquid Permittivity Characterization
Notice bibliographique
Résumé
This paper proposes a fully 3D-printed electromagnetic (EM) microfluidic sensor using rectangular substrate integrated waveguide (SIW) for liquid complex permittivity characterization. The proposed microfluidic sensor is fabricated with a novel additive manufacturing process in which dielectric and conductive inks are simultaneously 3D-printed, allowing high print quality, rapid prototyping, and arbitrary geometry. The fabrication process removes the need for post-printing sintering and cleaning steps that require harmful chemicals. The sensor structure is composed of upper and lower metal plates and a series of cylindrical metal side vias. Since the electric field is high at the center of the SIW cavity in <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\textit {TE}_{101}$ </tex-math></inline-formula> mode, a cylindrical dielectric sample container in the form of a microwell is built into the center of the SIW cavity to maximize the perturbation of the liquid under test (LUT). The application of LUT samples to the microwell results in a change in the resonance frequency and peak attenuation from which the LUT sample is characterized. Ethanol-water mixtures are used as LUTs for validation. The proposed sensor has been verified numerically and experimentally, reducing the resonant frequency from 3.750 GHz to 3.862 GHz by increasing the ethanol volume fraction from 0% to 100%. The sensor showed good sensitivity of 0.345% and a stable frequency change was observed over five measurement repetitions. To the best of our knowledge, this article presents the first fully 3D-printed SIW microfluidic sensor and demonstrates its ability to detect and characterize the liquid complex permittivity.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».