Assessments and application of low-cost sensors to study indoor air quality in layer facilities
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».