MétaCan
Menu
Retour à la cohorte
Enregistrement W4409207022 · doi:10.5121/cseij.2025.15125

Nano-sensors in Precision Agriculture

2025· article· en· W4409207022 sur OpenAlexaff
Gopal Kaliyaperumal, RADHAKRISHNA MENON K

Notice bibliographique

RevueComputer Science & Engineering An International Journal · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSmart Agriculture and AI
Établissements canadiensHorizon College and Seminary
Organismes subventionnairesnon disponible
Mots-clésPrecision agricultureAgricultureEnvironmental scienceAgricultural engineeringRemote sensingAgricultural economicsGeographyEngineeringEconomicsArchaeology

Résumé

récupéré en direct d'OpenAlex

The integration of nano-sensors in precision agriculture can be considered as the great advancement in increasing production and yield of crop. This review seeks to explore the new trends in the discovery of the nano-sensors and their implication in measuring real time soil condition, plant health and disease diagnosis. This paper compares the recent work and findings to raise awareness of how nano-sensors enhance nutrient uptake and disease tolerance and mitigate environmental impacts and legal concerns. The research conclusions show that nano-sensors present relevant advancements concerning the practical application of sustainable agriculture, but underscored that the challenges, such as cost, safety, and environmental consequences, must be given due attention. This review aligns with the increasing literature on planning agriculture but focuses on the significance of nano-sensors in fostering sound approaches to efficiency.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,899
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,222
Écart entre enseignants0,215 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputer Science & Engineering An International JournalMême sujetSmart Agriculture and AITravaux en français237 207