Using Acoustic Sensors to Improve the Efficiency of the Forest Value Chain in Canada: A Case Study with Laminated Veneer Lumber
Notice bibliographique
Résumé
Engineered wood products for structural use must meet minimum strength and stiffness criteria. This represents a major challenge for the industry as the mechanical properties of the wood resource are inherently variable. We report on a case study that was conducted in a laminated veneer lumber (LVL) mill in order to test the potential of an acoustic sensor to predict structural properties of the wood resource prior to processing. A population of 266 recently harvested aspen logs were segregated into three sub-populations based on measurements of longitudinal acoustic speed in wood using a hand tool equipped with a resonance-based acoustic sensor. Each of the three sub-populations were peeled into veneer sheets and graded for stiffness with an ultrasonic device. The average ultrasonic propagation time (UPT) of each subpopulation was 418, 440 and 453 microseconds for the green, blue, and red populations, respectively. This resulted in contrasting proportions of structural veneer grades, indicating that the efficiency of the forest value chain could be improved using acoustic sensors. A linear regression analysis also showed that the dynamic modulus of elasticity (MOE) of LVL was strongly related to static MOE (R(2) = 0.83), which suggests that acoustic tools may be used for quality control during the production process.
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 | 0,000 | 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 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 ».