MétaCan
Menu
Retour à la cohorte
Enregistrement W4402074022 · doi:10.20944/preprints202408.2001.v1

Open-Source Indoor Horizontal Grow Structure Designs

2024· preprint· en· W4402074022 sur OpenAlexaff
Jun-yu Qian, Joshua M. Pearce

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineEngineering
ThématiqueEnergy Harvesting in Wireless Networks
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésOffset (computer science)Environmental scienceAgricultural engineeringBerryUnit (ring theory)BusinessComputer scienceHorticultureEngineeringMathematicsBiologyOperating system

Résumé

récupéré en direct d'OpenAlex

Agrivoltaic agrotunnels are currently designed for high density grow walls that are not amenable to bush berries or root crops. Commercial grow bins provide deeper substrates for produce with more root systems but have high costs per unit growing area. To overcome the economic limitations of grow bins, this study applies the distributed manufacturing open-source design paradigm to develop four designs for low-cost open source structures. The designs target root vegetables and bush fruit specifically to be adopted by remote communities with limited or no outdoor growing environment to offset the market price for imported fresh produce. The indoor growing designs provide the necessary structure for supporting grow light and grow bins and enabled the transplanted berry plants to flower and produced fruits. They provide a comparable amount (110L) or more of grow volume from 106 to 192 L. The water reservoir volume for the commercial system (62 L) and grow area (0.5 m³) is surpassed by all new designs that range from 64 to 192 L and 0.51 to 0.76 m³, respectively. These superior properties are possible with material costs for all four designs that save more than 90% of the economic cost of the commercial systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,005

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 Opus0,085
Tête enseignante GPT0,306
Écart entre enseignants0,222 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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 revuePreprints.orgMême sujetEnergy Harvesting in Wireless NetworksTravaux en français237 207