MétaCan
Menu
Retour à la cohorte
Enregistrement W1996374080 · doi:10.1117/12.648407

Visual and optical evaluation of bank notes in circulation

2006· article· en· W1996374080 sur OpenAlexaffabout
Sara E. Church, Martine Lacelle, Theodoros Garanzotis

Notice bibliographique

RevueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIE · 2006
Typearticle
Langueen
DomaineComputer Science
ThématiqueCurrency Recognition and Detection
Établissements canadiensBank of Canada
Organismes subventionnairesnon disponible
Mots-clésEnhanced Data Rates for GSM EvolutionBrightnessDeflection (physics)GeologyMaterials scienceComputer scienceArtificial intelligenceMathematicsOpticsPhysics

Résumé

récupéré en direct d'OpenAlex

A method for comparing quality of bank notes in circulation based on both a subjective visual sorting technique and on quantitative wear evaluations is described and applied to circulated Canadian bank notes. The sample notes, which were part of a $5 circulation trial, issued over a 4 to 6 week period, had been in circulation for roughly 6 months. Notes were first sorted visually into four defined substrate categories (No Edge Wear, Corner Folds, Minimal Edge Wear and Edge Wear) and four surface wear categories (None, Low, Medium and High). Samples of each category were tested at Crane and Co. using a range of physical and optical techniques: air resistance, air permeability, stiffness deflection, double folds, gray scale, brightness, perimeter length, and top/bottom mean and maximum deviations. The visual sort showed that neither soiling nor ink loss are the major wear problems for bank notes in Canada. However, the substrate does become tattered and worn. The mechanical and optical wear tests show that most of the parameters change logically as the soil level increases. The changes for other parameters are less clear as a function of wear categories, but are relatively consistent in distinguishing between the No Edge Wear and Edge Wear. Impact of wear on the effectiveness of security features will also be described.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,020
Tête enseignante GPT0,262
Écart entre enseignants0,242 · 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'étudeSans objet
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

Citations0
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of SPIE, the International Society for Optical Engineering/Proceedings of SPIEMême sujetCurrency Recognition and DetectionTravaux en français237 207