Assessments and application of low-cost sensors to study indoor air quality in layer facilities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Indoor poultry facilities often experience poor air quality due to intensive farming and restricted ventilation. Monitoring the air quality in these barns is crucial considering the health of both the birds and producers. Advancements in sensor technologies have led to the development of low-cost sensors (LCS) that can continuously monitor air pollutants. Even though most poultry facilities in Canada are indoors due to harsh winter weather conditions, there is a lack of indoor air quality (IAQ) studies. This study aimed to evaluate the field performance of the LCS network in a table egg farm in Canada, where the sensors were designed specifically for operating in dusty poultry facilities continuously. The LCS monitored IQA parameters such as particulate matter (PM), carbon dioxide (CO2), relative humidity, and temperature in real-time. By implementing a correction factor, the sensor data resulted in an agreement range of 80 ± 20% with a reference instrument. The study observed that PM concentration exceeded several thousand μg/m3, with PM10 at 5.5 × 104 ± 2.2 × 104 and PM2.5 at 6.3 × 103 ± 2.3 × 103, which was found to be most affected by the chicken activity and light regime. The IAQ parameters also exhibited a complex intercorrelation with each other, as well as the outdoor temperature and the building ventilation rate. Sensors were able to make observations that were found only with research-grade instruments in previous studies. Overall, the study showcases the potential of the LCS network as an affordable solution for environmental monitoring in poultry facilities.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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