MétaCan
Menu
Retour à la cohorte
Enregistrement W4414355545 · doi:10.28924/2291-8639-23-2025-228

A PIR Sensor-Based System for Real-Time Alcohol Monitoring and Automated Preservative Control in Fruit Wine Fermentation: Accuracy, Usability, and Adoption Assessment

2025· article· en· W4414355545 sur OpenAlexvenueno aff
Tawatchai Laosrisakul, Pongsatorn Tantrabundit, Kittipol Wisaeng

Notice bibliographique

RevueInternational Journal of Analysis and Applications · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Chemical Sensor Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMahasarakham University
Mots-clésWinemakingWinePreservativeAlcoholFermentation in winemakingFermentationControl (management)WineryEthanol fermentation

Résumé

récupéré en direct d'OpenAlex

Accurate and continuous measurement of alcohol concentration during fermentation is crucial for maintaining quality, ensuring safety, and ensuring regulatory compliance in fruit wine production. Traditional methods, such as manual hydrometry and sensory-based evaluation, are often limited by subjectivity, measurement variability, and a lack of real-time responsiveness. This study introduces a novel sensor-integrated system that utilizes Passive Infrared (PIR) technology to dynamically monitor alcohol levels and automate potassium sorbate dosing during the fermentation of fruit wines. The proposed system combines a repurposed PIR sensor with a hydrometer-actuated mechanical switch to estimate alcohol by volume (ABV) in real-time, achieving a validated accuracy of 94.09% when benchmarked against gas chromatography (GC) standards. Integrated control logic enables automatic preservative application aligned with ABV thresholds of 220 mg/L for 9% v/v and 50 mg/L for 14% v/v alcohol, thus ensuring microbial stability and compliance with enological standards. Experimental trials involving pineapple, mango, and grape wines demonstrated the system’s capability to capture both pre-fermentation and post-fermentation alcohol values with minimal error margins (<2%). A user experience study conducted with 20 professional winemakers and 380 broader respondents revealed high satisfaction scores across usability, observation ability, and simplicity of use, with Likert-scale ratings averaging 4.50 or higher. Statistical validation using Structural Equation Modeling (SEM) confirmed the positive influence of user experience factors on adoption intention (R² = 0.533, p < 0.001). These findings highlight the PIR-based system’s potential to modernize artisanal winemaking by offering a non-invasive, accurate, and user-friendly tool for real-time fermentation monitoring and control.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,631
Score d'incertitude au seuil0,325

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,012
Tête enseignante GPT0,332
Écart entre enseignants0,320 · 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'étudeSimulation ou modélisation
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 revueInternational Journal of Analysis and ApplicationsMême sujetAdvanced Chemical Sensor TechnologiesTravaux en français237 207