Development of A Qr Code System for Tree Species Identification
Notice bibliographique
Résumé
Trees provide a wide range of benefits to humans and other living organisms. An accurate method tree species identification will improve their management and conservation. Also, tree identification and description are crucial for genetic study, biodiversity conservation, management and regeneration strategies. The conventional methods of tree identification are time-consuming and requires a high level of expertise, necessitating development of a more efficient tree identification means. In this research, a QR code system for tree identification was developed. Tree data were collected from campuses of two tertiary institutions in Akure, Nigeria: Federal University of Technology and Federal College of Agriculture. System design was built around a three-tier architectural model. PostgresSQL was used as the Database System, the lowest tier. The Middle tier is the Web Server, Apache HTTP Server. Php 8.1 was the scripting language that communicates with the database. For the Client tier, HTML, CSS and Javascript were used. The QR code generator was developed using PHP 8.1. The PHP script used a QR code library to generate the QR code image. The QR code is linked to the website database containing all tree species information. The generated QR codes were attached to trees, and when scanned, the website is automatically launched and the tree information is retrieved. A survey was conducted to get end-users’ feedback within the study sites. The results obtained revealed that the QR codes are easy to use, and can make tree identification more interesting, thus increasing people’s knowledge about trees and improving Trees management.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,015 |
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 ».