MétaCan
Menu
Retour à la cohorte
Enregistrement W4410738847 · doi:10.1109/iraset64571.2025.11008340

Development of Ultrasonic Radar System for Object Detection Using PIC 16F877A

2025· article· en· W4410738847 sur OpenAlexaff
Abdenour Hellas, Fouad Slaoui Hasnaoui

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Applied Research
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésUltrasonic sensorRadarComputer scienceRadar imagingObject detectionRadar engineering detailsRemote sensingAcousticsArtificial intelligenceGeologyTelecommunicationsPhysicsPattern recognition (psychology)

Résumé

récupéré en direct d'OpenAlex

Ultrasonic radar represents a promising technology, offering reduced cost while combining efficiency and versatility. This project details the design and implementation of a radar system based on the PIC 16F877A microcontroller, capable of measuring both the distance and direction of objects in their environment. To achieve this, an ultrasonic sensor is used in combination with a stepper motor, enabling the system to scan a full 360° area. The collected data is then displayed in real-time on an LCD screen, providing clear and precise visualization of the information. The system also integrates LEDs that serve as visual indicators to signal the proximity of detected objects. When objects are at critical distances, a buzzer is activated to alert the user, adding an auditory dimension to the detection. This feature is particularly useful for applications requiring rapid response, such as surveillance, automotive, or navigation. Comprehensive tests were conducted to evaluate the system's performance. These tests included both stationary and moving targets, allowing for the verification of reliability and measurement accuracy under various conditions. The results showed that the distances measured by the system had minimal deviations from the actual distances, confirming the high precision of the device.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,014
Tête enseignante GPT0,249
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEngineering Applied ResearchTravaux en français237 207