A Systematic Literature Review on Parameters Optimization for Smart Hydroponic Systems
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
Hydroponics is a soilless farming technique that has emerged as a sustainable alternative. However, new technologies such as Industry 4.0, the internet of things (IoT), and artificial intelligence are needed to keep up with issues related to economics, automation, and social challenges in hydroponics farming. One significant issue is optimizing growth parameters to identify the best conditions for growing fruits and vegetables. These parameters include pH, total dissolved solids (TDS), electrical conductivity (EC), light intensity, daily light integral (DLI), and nutrient solution/ambient temperature and humidity. To address these challenges, a systematic literature review was conducted aiming to answer research questions regarding the optimal growth parameters for leafy green vegetables and herbs and spices grown in hydroponic systems. The review selected a total of 131 papers related to indoor farming, hydroponics, and aquaponics. The review selected a total of 123 papers related to indoor farming, hydroponics, and aquaponics. The majority of the articles focused on technology description (38.5%), artificial illumination (26.2%), and nutrient solution composition/parameters (13.8%). Additionally, remaining 10.7% articles focused on the application of sensors, slope, environment and economy. This comprehensive review provides valuable information on optimized growth parameters for smart hydroponic systems and explores future prospects and the application of digital technologies in this field.
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