Defence Research and Development Canada: Suffield research on nuclear methods for detection of buried bulk explosives
Notice bibliographique
Résumé
Defence R&D Canada - Suffield has conducted research and development on nuclear methods for detection of bulk explosives since 1994. Initial efforts were directed at confirmation of the presence of bulk explosives in land mines and improvised explosive devices (IEDs). In close collaboration with a few key Canadian companies, methods suitable for vehicle-mounted or fixed position applications and those suitable for person- or small robotportable roles have been studied. Vehicle-mounted systems mainly employ detection of characteristic radiation, whereas person-portable systems use imaging of back scattered radiation intensity distributions. Two key design tenets have been reduction of personnel shielding by the use of teleoperation and custom design of sensors to address the particular problem, rather than adapting an existing sensor to a problem. This is shown in a number of recent research examples. Among vehicle-mounted systems, recent research to improve the thermal neutron analysis (TNA) sensors, which were put into service with the Canadian Forces in 2002, are discussed. Research on fast neutron analysis (FNA) and associated particle imaging (API), which can augment or replace TNA, depending on the application, are described. Monoenergetic gamma ray induced photoneutron spectroscopy is a novel method which has a number of potential advantages and disadvantages over TNA and FNA. Sources, detectors and geometries have been identified and modelling studies have suggested feasibility. Among person-portable systems, research on neutron backscatter imaging and X-ray coded aperture backscatter imaging are discussed.
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 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».