MétaCan
Menu
Retour à la cohorte
Enregistrement W1970031983 · doi:10.1117/12.920811

Narrow band SWIR hyperspectral imaging: a new approach based on volume Bragg grating

2012· article· en· W1970031983 sur OpenAlexaff
Marc Verhaegen, Simon Lessard, Sébastien Blais-Ouellette

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2012
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueOptical and Acousto-Optic Technologies
Établissements canadiensPhoton Etc (Canada)
Organismes subventionnairesnon disponible
Mots-clésHyperspectral imagingOpticsLiquid crystal tunable filterSpectral resolutionMaterials scienceSpectrometerImage resolutionChemical imagingSpectral imagingFull spectral imagingRemote sensingFiber Bragg gratingGratingOptical filterComputer sciencePhysicsSpectral lineGeologyLaserWavelength

Résumé

récupéré en direct d'OpenAlex

Volume Bragg grating technology has enabled the development of a new type of staring hyperspectral camera. Based on Bragg Tunable filters, these hyperspectral cameras have both high spectral and spatial resolution, and significantly higher sensitivity than competing technologies like push broom spectrometer, liquid crystal tunable filters, or acousto-optic tunable filters. They are minimally sensitive to polarization and their spectral isolation can reach 106. Here we thus present an innovative tool to collect SWIR hyperspectral data with high spectral and spatial resolution. This new instrument is based on a 3nm bandwidth Bragg Tunable Filter, continuously tunable from 1.0um and 2.5um. Because high spectral resolution also means less light per channel, a low noise custom HgCdTe (MCT) camera was also developed to meet the requirement of the filter. The high speed capability of more than 300 fps and the low operating temperature of 200K (deep cooled option to 77K) allow full frame 500 spectral channel datacube acquisitions in minimal time. Basic principle of this imaging filter will be reviewed as well as the custom MCT camera performances. High resolution hyperspectral measurements will be demonstrated between 1.0um and 2.5um on different objects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetOptical and Acousto-Optic TechnologiesTravaux en français237 207