Hydrogen Sulfide Gas Detection in ppb Levels at Room Temperature with a Printed, Flexible, Disposable In<sub>2</sub>O<sub>3</sub> NPs‐Based Sensor for IoT Food Packaging Applications
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
Abstract Flexible printed sensors are essential components for modern Internet of Things applications. They may twist and bend to fit any shape or surface. New potential applications emerge as these sensors’ sophistication and sensing efficiency improve. In this study, a printed sensor is prepared from indium oxide nanoparticles (In 2 O 3 NPs)‐based nanocomposite for hydrogen sulfide (H 2 S) gas detection at ambient conditions. The as‐fabricated sensor has excellent capabilities, including sensitivity and selectivity to low gas concentrations than 100 ppb (<100 ppb), anti‐humid property up to relative humidity (RH) ≈ 100%, high chemical stability in severe environments, good mechanical flexibility up to 50 bending cycles at 30° bending angle, and good thermomechanical stability between ‐40 °C ‐ 40 °C. Moreover, the sensor detects the low concentrations of H 2 S gas produced during the spoilage of organosulfur‐rich food (beef and fish) while remaining insensitive to humidity changes up to RH ≈ 100%, resulting in the fist‐of‐its‐type chemiresistive sensor for food packaging application. The sensors’ response to H 2 S gas is based on the contribution of the physical and chemical sensing mechanisms, which rely on the H 2 S molecules’ reactions on the sensor's surface with the adsorbed oxygen molecules and the sensing materials (copper acetate (CuAc) and In 2 O 3 NPs), respectively.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
| 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 découle