MétaCan
Menu
Retour à la cohorte
Enregistrement W4361299679 · doi:10.18280/jesa.560113

UIArm I: Development of a Low-Cost and Modular 4-DOF Robotic Arm for Sorting Plastic Bottles from Waste Stream

2023· article· en· W4361299679 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Manufacturing and Logistics Optimization
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésModular designSortingRobotic armPlastic wasteComputer scienceEngineeringWaste managementArtificial intelligenceOperating system

Résumé

récupéré en direct d'OpenAlex

The study presents the development of an accessible, reliable, 3D printable, low-cost, and modular 4 degrees-of-freedom robotic arm for the automated sorting of plastic bottles from the waste stream.The UIArm I robot arm was designed based on the modification of an open-source Thor Robot model using Free-CAD with the components 3D printed using PLA and PETG.The forward kinematics was obtained by Denavit-Hartenberg (DH) method, while the analytical method was used for the inverse kinematics.The electrical components include stepper motors, servo motors, motor drivers, a printed circuit board (PCB), an Arduino Mega microprocessor, a light source for illumination, and a PC with a webcam.Python was used for programming the PC and C# for the Arduino microprocessor.TensorFlow, an end-to-end open-source, machine learning platform was used to develop the object detection algorithm based on a deep neural network.The object detection model achieved an accuracy of 91% for Pepsi plastic bottles which formed the bulk of training images.Other types of plastic bottles were detected with an 85% accuracy.The study has demonstrated the viability of a locally developed robotic arm for the automated sorting of plastic bottles.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,485
Score d'incertitude au seuil0,775

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,240
Écart entre enseignants0,219 · 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