Detection of Carbonated Beverages using a PCF SPR Sensor
Notice bibliographique
Résumé
A Photonic Crystal Fiber (PCF) Surface Plasmon Resonance (SPR) sensor has been proposed in this work. The sensor is designed for detecting the refractive index of carbonated beverages, such as Coca-Cola, Pepsi, 7UP, Sprite, Fanta, Mountain Dew, beer, stout, Canada Dry, and Schweppes. These beverages are widely consumed for their effervescence and refreshing taste. Ensuring their quality is crucial due to variations in alcohol content, sugar content, water mixture, aging process, and additional ingredients. The sensor, designed with a circular gold layer coating over a PCF with a symmetrical structure, facilitates the SPR phenomenon. Numerical exploration using the finite element method revealed a maximum amplitude sensitivity of 787 RIU<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">−1</sup>and a maximum wavelength sensitivity of 33,333.3 nm/RIU, with a wavelength sensitivity resolution of 3 × 10<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">−6</sup>RIU and a high figure of merit of 555.56 RIU<sup xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">−1</sup>, confirming the sensor's superior performance. Demonstrating exceptional sensitivity, the sensor offers a costeffective and time-saving alternative to existing methods, also applicable in security settings such as airports and border checkpoints for detecting illegal substances. This study highlights the sensor's potential in ensuring the quality of carbonate beverages by providing valuable insights into their composition and authenticity, as well as enhancing security measures against illegal drug supply.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 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 ».