MétaCan
Menu
Retour à la cohorte
Enregistrement W4388386139 · doi:10.30880/ijie.2021.13.02.003

Development of a Lock Biometric Authentication System for a Battery Powered Locking Device

2021· article· en· W4388386139 sur OpenAlexaff
Iman Fitri Ismail, Mas Fawzi, Wan Akashah Wan Jamaludin, Rais Hanizam Madon, Ahmad Fauzan Abdullah, Mohamad Ashik Abdullah

Notice bibliographique

RevueInternational Journal of Integrated Engineering · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueIoT-based Smart Home Systems
Établissements canadiensReach Technologies (Canada)
Organismes subventionnairesUniversiti Tun Hussein Onn Malaysia
Mots-clésFingerprint (computing)BiometricsFingerprint recognitionLock (firearm)Battery (electricity)ActuatorAuthentication (law)Computer hardwareArduinoComputer scienceDC motorEmbedded systemEngineeringPower (physics)Electrical engineeringArtificial intelligenceComputer security

Résumé

récupéré en direct d'OpenAlex

This paper describes the development of a biometric authentication system in a battery-powered locking device. It differs from the conventional locking system, which connected to an external power supply. The system focuses on a fingerprint-based identification with single button operation. A fingerprint sensor readily available in the market was integrated with an Arduino as the processing unit to unify the button operation as means to trigger functions on the fingerprint sensor and actuator motors, as well as indicating lights for user feedback. The aim of the seamless fingerprint authentication requires a brief matching of users’ fingerprints. A prototype of the system was built and tested. It was found that the device is able to match a fingerprint in less than 1s for up to 50 registered fingerprints. Using a nominal battery capacity of the 12V lithium battery pack with 5000mAh, the amount of current supply to the actuator is sufficient for 400 activations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

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

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Integrated EngineeringMême sujetIoT-based Smart Home SystemsTravaux en français237 207