Bioaerosols standoff detection simultaneously refereed with particle concentration (ppl) and viability units (ACPLA)
Notice bibliographique
Résumé
Defence R&D Canada (DRDC) has developed, by the end of the 90s, a standoff bioaerosol sensor prototype based on intensified range-gated spectrometric detection of Laser Induced Fluorescence (LIF) called SINBAHD. This LIDAR system was used to characterize spectrally the LIF of bioaerosol agent simulants and obscurants during 57 cross-wind open-air releases at Suffield, CAN in July 2007. An autoclave and gamma-irradiation killing procedures were performed on Bacillus subtilis var globigii (BG) samples before they were aerosolized, disseminated and spectrally characterized. Slight discrepancies were observed in the spectral characteristics of killed versus live samples but none between the two killing methodologies. Significant signature variabilities were observed from the different batches of Erwinia Herbicolas (EH). The generated cloud was simultaneously characterized in Agent Containing Particle per Liter of Air (ACPLA) by slit sampler units and in particle per litter of air (ppl) by an Aerodynamic Particle Sizer (APS). Correlation assessment between the stand-off sensor SINBAHD and the two referee point sensors was done, allowing an estimation of SINBAHD's sensitivity in ACPLA and in ppl. For a 20-m thick cloud at a range of 990 m, a detection limit of a few tens of ACPLA and a few ACPLA were obtained for BG and EH respectively. The extracted correlation between ACPLA and ppl data for releases performed with an agricultural sprayer showed a high degree of variability: 2 to 29% and 1 to 6% of ACPLA/ppl ratio for BG and EH, respectively.
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 | 0,001 |
| 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 ».