Colour in thermally modified wood of beech, Norway spruce and Scots pine. Part 2: Property predictions from colour changes
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
Abstract In the woodworking industry, image analysis is routinely used for quality control and for matching and classification during various processes. An extension of these automated systems for the prediction of physical properties of thermally modified wood (TMW) is enticing, because to date there is no generalised procedure for the quality assurance of TMW. In this work, the feasibility of predicting 13 physical parameters from the analysis of colour changes is demonstrated using small thermally modified specimens of three wood species. Simple linear regression models for anti-swelling efficiency, nominal density, heat-induced weight loss and 10 strength parameters in six forms of stress were all very or highly significant, with R 2 statistics for the best predictor from 0.24 to 0.94. ΔE * was found to be a better predictor than ΔL * for most properties. Multiple linear regression with 11 colour variables increased the prediction ability of most models in terms of R 2 , although these improvements varied with the property and species concerned. The best models altogether were obtained by partial least squares regression, with relative prediction error values >0 in all cases. Our results demonstrate that physical properties of small specimens of TMW can be efficiently predicted with only one after treatment measurement of colour in the CIE L*a*b* colour space by means of image analysis of TMW surfaces. We anticipate that our approach would be a starting point for more refined modelling of physical properties of larger wood members and other properties of interest in TMW (e.g., decay resistance).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle