MétaCan
Menu
Retour à la cohorte
Enregistrement W4415360184 · doi:10.59934/jaiea.v5i1.1544

Water Temperature Monitoring System In IoT Based Freshwater Fish Farms

2025· article· W4415360184 sur OpenAlexaff
Muhammad Fahriansyah, Relita Buaton, Milli Alfhi Syari

Notice bibliographique

RevueJournal of Artificial Intelligence and Engineering Applications (JAIEA) · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésTurbidityWater qualityInternet of ThingsMicrocontrollerFish <Actinopterygii>Water coolingWater levelFish pond

Résumé

récupéré en direct d'OpenAlex

This research develops an Internet of Things (IoT)-based water quality monitoring system for freshwater fish farming that integrates several key sensors: DS18B20 for temperature measurement, turbidity sensor for water turbidity measurement, and ultrasonic sensor for water level monitoring. The system is equipped with two automatically controlled water pumps to maintain optimal conditions in the fish pond. The system works by reading water quality parameters in real-time using these sensors, then sending the data to the IoT platform via a WiFi network. The data is processed by an ESP32 microcontroller that will automatically activate the water pump when it detects a parameter change that exceeds a specified threshold and provides notifications to the farmer via a mobile application. Test results show that this system is able to automatically monitor water temperature and turbidity levels in pond water based on the temperature and turbidity data obtained

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,449
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,261
Écart entre enseignants0,238 · 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.

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 revueJournal of Artificial Intelligence and Engineering Applications (JAIEA)Même sujetWater Quality Monitoring TechnologiesTravaux en français237 207