MétaCan
Menu
Retour à la cohorte
Enregistrement W4403905349 · doi:10.59934/jaiea.v4i1.641

Prototype of Fish Drying Device for the Production of Salted Fish Based on IoT

2024· article· en· W4403905349 sur OpenAlexaff
Sri Rezeki, Novriyenni Novriyenni, Milli Alfhi Syari

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésFish <Actinopterygii>Production (economics)Internet of ThingsFisheryDried fishBusinessFood scienceEnvironmental scienceComputer scienceChemistryEmbedded systemBiologyEconomics

Résumé

récupéré en direct d'OpenAlex

The prototype of the fish drying tool for the production of salted fish is designed to enhance efficiency and control in the salted fish drying process by utilizing IoT technology to monitor and regulate the drying environment conditions. The DHT22 sensor connected to port D5 is used to measure temperature and humidity inside the drying room. The data collected by this sensor is sent to a microcontroller connected to a relay to control the heater and DC fan, as well as a buzzer as a warning system if the room temperature exceeds 60° C. The Blynk application is used for a user interface that allows for the remote monitoring and adjustment of drying parameters via a smartphone. The test results show that this system is capable of maintaining the conditions for drying salted fish within optimal temperature and humidity ranges, thereby improving the quality and efficiency of the drying process. The integration of IoT technology in this device facilitates monitoring and control, as well as enhancing the overall effectiveness of the drying process.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,610
Score d'incertitude au seuil0,224

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
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 Opus0,055
Tête enseignante GPT0,299
Écart entre enseignants0,244 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetWater Quality Monitoring TechnologiesTravaux en français237 207