Development and Validation of a Low-Cost DAQ for the Detection of Soil Bulk Electrical Conductivity and Encoding of Visual Data
Notice bibliographique
Résumé
Electromagnetic induction (EMI) devices have become increasingly popular for their soil bulk properties, soil nutrient status, and use in taking non-invasive soil salinity measurements. However, the high cost of data acquisition (DAQ) systems has been a significant barrier to the widespread adoption of these devices. In this study, we addressed this challenge by developing a cost-effective, easy-to-use, open-source DAQ system, transferable to the end user. This system employs a Raspberry Pi 4 model, paired with various components, to monitor the speed and position of the EM38 (Geonics Ltd, Mississauga, ON, Canada) and compare these with a proprietary CR1000 system. Through our results, we demonstrate that the low-cost DAQ system can successfully extract the analogical signal from the device, which is strongly responsive to the variation in the soil’s physical properties. This cost-effective system is characterized by increased flexibility in software processes and provides performance comparable to the proprietary system in terms of its geospatial data and ECb measurements. This was validated by the strong correlation (R2 = 0.98) observed between the data collected from both systems. With our zoning analysis, performed using the Kriging technique, we revealed not only similar patterns in the ECb data but also similar patterns to the Normalized Difference Vegetation Index (NDVI) map, suggesting that soil physical characteristics contribute to variability in crop vigor. Furthermore, the developed web application enabled real-time data monitoring and visualization. These findings highlight that the open-source DAQ system is a viable, cost-effective alternative for soil property monitoring in precision farming. Future enhancements will focus on integrating additional sensors for plant vigor and soil temperature, as well as refining the web application, supporting zone classification based on the use of multiple parameters.
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 | 0,003 | 0,004 |
| 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 | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».