MétaCan
Menu
Retour à la cohorte
Enregistrement W4399348762 · doi:10.34256/ijcci2323

Dual Axis Solar Tracking of Solar Radiation for Agriculture usage

2023· article· en· W4399348762 sur OpenAlexaff
Monika Gupta, Swati Nigam, Sonika Katta, Vivek Upadhyay, K. Ashok, G. S. Sharma

Notice bibliographique

RevueInternational Journal of Computer Communication and Informatics · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueSolar Radiation and Photovoltaics
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésTracking (education)RadiationSolar trackerEnvironmental scienceDual (grammatical number)Solar energyOpticsPhysicsEngineeringElectrical engineeringSociologyArt

Résumé

récupéré en direct d'OpenAlex

Energy is one of the important parts of our life. As there is decline in fossil fuels and increasing demand for energy an alternate energy source is required which is renewable energy source like solar, wind etc. So, we use solar panels which trap the energy from the sun and produce electricity, and this energy is used for agriculture purpose like to run water pumps and to meet other energy requirements in agriculture. Due to rotation of earth the stationery solar panel will receive energy only for smaller duration so to overcome this we use dual axis tracking system which rotates solar panel according to direction of sun and helps in producing more solar energy. Agriculture is one of the major contributing sectors to the economy of a country and it requires automation and advanced technology so that it helps farmers in producing more yield and better crops. So, in agriculture continuous monitoring of soil and water level is required so we can automate this which helps the farmers where the device continuously monitors and depending upon the moisture level of the soil the water pumps get on automatically and we can use this for different crops and set threshold depending upon the crop type. And we can also integrate this idea with IOT technology for improvements. By this we create sustainable energy indirectly producing sustainable environment.

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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,838
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,021
Tête enseignante GPT0,277
Écart entre enseignants0,256 · 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
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Computer Communication and InformaticsMême sujetSolar Radiation and PhotovoltaicsTravaux en français237 207