MétaCan
Menu
Retour à la cohorte
Enregistrement W4394717230 · doi:10.33545/2618060x.2024.v7.i4sb.552

Parametric optimization of a drone mounted sprayer to maximize the swath width using Taguchi design

2024· article· en· W4394717230 sur OpenAlexaff
T M Kavya, Sushilendra Sushilendra, Sunil Shirwal, Vijayakumar Palled, A. G. Sreenivas, N Ananda

Notice bibliographique

RevueInternational Journal of Research in Agronomy · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Surface Properties and Treatments
Établissements canadiensMaRS
Organismes subventionnairesnon disponible
Mots-clésTaguchi methodsSprayerDroneParametric statisticsComputer scienceParametric designOptimal designEngineeringMathematicsMechanical engineeringStatisticsBiologyMachine learning

Résumé

récupéré en direct d'OpenAlex

Drones have revolutionized modern agriculture by offering precision and efficiency in pesticide spraying. This study evaluates the performance of a hexacopter drone for pesticide application and aims to determine the optimal combination of operational parameters to maximize swath width. The independent parameters include type of nozzle (flat fan nozzle, hollow cone nozzle and spinning disc nozzle), forward speed (2, 3, 4, 5 and 6 m s-1) and height of spray (1, 1.5, 2, 2.5 and 3 m) while swath width is the performance evaluation criterion. The experiments were conducted using Taguchi L-25 orthogonal experimental design, the study identifies a combination of a forward speed of 6 m/s, a height of spray at 3 m, and a spinning disc nozzle as optimal, resulting in a swath width of 7.19 m. These findings emphasize the importance of selecting appropriate operational parameters for effective pesticide application.

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: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,164

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,161
Tête enseignante GPT0,379
Écart entre enseignants0,218 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Research in AgronomyMême sujetPlant Surface Properties and TreatmentsTravaux en français237 207