MétaCan
Menu
Retour à la cohorte
Enregistrement W4387407377 · doi:10.59934/jaiea.v3i1.337

Design Of An LPG Leak Detection System Using Iot Based MQ-2 Sensor

2023· article· en· W4387407377 sur OpenAlexaff
Mhd. Iqbal Prananda, Siswan Syahputra, Mili Alfhi Syari

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésGas leakInternet of ThingsLeakLiquefied petroleum gasComputer scienceLeak detectionEmbedded systemReal-time computingEnvironmental scienceAutomotive engineeringEngineeringWaste managementChemistryEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

The IoT-based LPG gas leak detection system with MQ-2 and automatic regulator aperture is designed to protect the environment from the dangers of gas leaks and optimize gas use. The MQ-2 sensor is used to detect LPG gas accurately and sensitively. This system is connected to IoT which allows remote monitoring via smart devices. When the sensor detects that the LPG gas concentration exceeds a safe threshold, the system will send an alert with notification and automatically activate the regulator to cut off the gas supply. This helps prevent the accumulation of harmful gases. This design combines reliable gas detection with automatic operation to improve environmental safety and gas efficiency. LPG gas is very commonly used by the community because it has many advantages, but there are also many risks associated with using LPG gas, such as poisoning, shortness of breath and even fire. It is therefore important to have a leak detection system to prevent accidents that may occur, by integrating the programmable MQ-2 sensor and NoteMCU ESP8266.

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)0,001
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 enseignants0,762
Score d'incertitude au seuil0,750

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,048
Tête enseignante GPT0,259
Écart entre enseignants0,211 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetIoT-based Smart Home SystemsTravaux en français237 207