Agricultural Lightweight Embedded Blockchain System: A Case Study in Olive Oil
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
In Tunisia, one of the major problems of the olive oil industry is marketing. Several factors have an impact, such as quality, originality, lobbying, subsidies and the certification of extra virgin olive oil. The major problem remains the traceability of the production process to guarantee the origin of the food at all times. This fine-grained traceability can be achieved by applying Blockchain technologies. Blockchain can be used as a solution that could bring visibility to the oil supply chain. It is proposed in order to guarantee the veracity of the product information at different stages. In this paper, a multi-Blockchain, multi-sensor traceability system using IoT will be presented. Two Blockchains that can be programmed via Smart Contract will be used. The first one is Quorum, which is a private Blockchain used by the actors of our system, and the second one is Ethereum, which is public and connects the different actors who have access to our system. This smart contract allows us to conta our system to track the olive oil manufacturing process from the farmer, through the oil mill, the transporter and the quality controller to the customer. A general approach for managing the olive oil supply chain is presented. This approach offers the possibility for the system to be configurable. It is based on smart contracts and applications that interact with the same smart contracts. The IoT is used to configure sensors. These sensors are the source of data for the supply chain process. These sensors are connected to the embedded platforms that host Quorum.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle