Soil Hardness Measurement Using Fiber Bragg Grating Sensor: Combined Compression Forces Methodology
Notice bibliographique
Résumé
Accurate soil hardness measurement is essential for enhancing agricultural productivity and geotechnical stability. Conventional methods, such as cone penetrometers, offer limited precision as they only measure penetration resistance, without considering soil reaction forces. This study introduces a novel Fiber Bragg Grating (FBG) sensor system, which captures both downward penetration and upward push‐back forces, providing a more comprehensive evaluation of soil hardness. By combining theoretical modeling, simulations, and experimental validation, the relationship between soil moisture and penetration resistance is analyzed. Results show a nonlinear correlation between moisture content and force, with forces ranging from 1.2 × 10 4 N at 0.8 moisture content to 7.8 × 10 4 N at 0.2 moisture content, at a depth of 0.01 m. Additionally, the FBG‐embedded beam experiences a peak deformation of 1.25 × 10 −6 m at a depth of 0.25 m, confirming the sensor's high accuracy. The dual‐force measurement approach significantly enhances the precision of soil hardness evaluations, offering real‐time, high‐resolution data for sustainable soil management. Furthermore, new equations specific to FBG‐based soil resistance and Bragg wavelength shifts are proposed for dual‐force measurement addressing limitations of conventional methods. This study advances soil testing technologies, with potential applications in agriculture, geotechnical engineering, and environmental sustainability.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».