Rancang Bangun Inkubator Penetasan Telur Bebek Berbasis Internet of Things (IoT)
Notice bibliographique
Résumé
Penelitian ini berhasil merancang sebuah alat penetas telur bebek berbasis Internet of Things (IoT) yang efektif. Dengan menggunakan mikrokontroler NodeMCU ESP8266, sensor DHT11, dan aplikasi Blynk, alat ini mampu mengendalikan dan memantau suhu serta kelembapan secara otomatis dan real-time. Sistem ini mempermudah proses penetasan telur dengan meningkatkan efisiensi dan produktivitas dibandingkan metode konvensional, Kestabilan suhu pada alat penetas dijaga dengan menggunakan sensor DHT11 yang terhubung dengan NodeMCU ESP8266 untuk mengontrol lampu pijar sebagai sumber panas. Sistem ini memastikan bahwa suhu di dalam inkubator tetap berada dalam kisaran yang optimal untuk penetasan, yaitu relatif pada 36˚C Alat ini memungkinkan pemantauan secara real-time melalui aplikasi Blynk yang terhubung dengan internet. Pengguna dapat memantau kondisi suhu dan kelembapan serta mendeteksi gerakan telur dari jarak jauh menggunakan perangkat mobile, sehingga tidak perlu berada di dekat inkubator secara langsung.Data suhu dan kelembapan yang terdeteksi oleh sensor DHT11 divisualisasikan dalam aplikasi Blynk, yang menyediakan tampilan yang intuitif dan mudah dimengerti. Hal ini memudahkan pengguna dalam memantau kondisi inkubator dan membuat keputusan berdasarkan data yang tersedia secara cepat dan akurat.Alat ini juga memungkinkan untuk penghangatan anakan bebek atau day on duck (dod) ketika cuaca sedang sangat dingin
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,007 |
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 ».