MétaCan
Menu
Retour à la cohorte
Enregistrement W4385834334 · doi:10.1109/jsen.2023.3299430

Fabrication and Characterization of Soil Moisture Sensors on a Biodegradable, Cellulose-Based Substrate

2023· article· en· W4385834334 sur OpenAlexfundno aff
Anne-Marie Zaccarin, Gokulanand M. Iyer, Roy H. Olsson, Kevin T. Turner

Notice bibliographique

RevueIEEE Sensors Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensnon disponible
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Science Foundation
Mots-clésCapacitive sensingMoistureSubstrate (aquarium)Materials scienceComposite numberFabricationCelluloseLoamWater contentHumidityComposite materialOptoelectronicsSoil waterEnvironmental scienceElectrical engineeringEngineeringChemical engineeringSoil science

Résumé

récupéré en direct d'OpenAlex

Internet of things (IoT) systems for precision agriculture offer the opportunity for more efficient use of water and fertilizers. Here, capacitive moisture sensors are screen-printed on a fully biodegradable paper substrate infiltrated with cellulose nanofibrils (CNFs). Screen-printed trace quality on the CNF-composite substrate is comparable to traces printed on polyimide and superior to traces printed on conventional cardstock. CNF-composite sensors absorb moisture and are shown to respond to changes in relative humidity (RH) in air. Sensors measured in loamy sand, similar to soil found in midwestern agricultural fields, are shown to respond to changes in soil moisture. The sensors demonstrate fast response times in both air and soil, making them ideal for use in agricultural applications. Small feature sizes achievable through screen-printing on the CNF-composite enable their direct use in 902–928 MHz chipless passive wireless sensing systems, as the fabricated sensors are shown to have a self-resonance well above the operating frequency band.

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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,083
Score d'incertitude au seuil0,904

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Sensors JournalMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207