Non-invasive, non-contact conductivity measurement using radiofrequency probe loading
Notice bibliographique
Résumé
Abstract Accurate measurement of electrical conductivity in water-based samples is essential for applications ranging from brine characterization in petroleum systems to biological sensing. Direct-contact methods are prone to electrode degradation, while indirect-contact methods often suffer from undefined current paths. This study introduces a non-invasive, non-contact technique for conductivity measurement in water-based samples using radiofrequency (RF) probe loading, leveraging inductive losses induced by eddy currents in conductive media. Changes in the quality factor of the RF probe are analyzed to establish a direct proportionality between inductive losses and sample conductivity. This relationship is validated across solenoidal, loop-gap resonator, and surface coil designs with cylindrical and planar homogeneous samples. Theoretical equations, derived from classical electromagnetism and the principle of reciprocity, closely align with experimental results, revealing the critical role of probe geometry and resonant frequency in measurement sensitivity. The findings demonstrate robust performance across diverse ionic solutions including samples with flow, achieving cost-effective measurement with minimal hardware. This method will allow differentiation between samples with differing conductivity, even when absolute conductivity values cannot be determined. This makes it especially suited for analyzing complex, heterogeneous materials like foods or biological samples, where localized average conductivity measurement in specific regions of the sample, may be used as a classification tool. The RF probe loading approach offers a versatile alternative to conventional conductivity measurement methods, with potential for real-time, non-invasive monitoring in dynamic systems.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».