Development of A Qr Code System for Tree Species Identification
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,005 | 0,001 |
| 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 découle