Bioaerosols laser-induced fluorescence provides specific robust signatures for standoff detection
Notice bibliographique
Résumé
One of today's primary security challenges is the emerging biological threat due to the increased accessibility to biological warfare technology and the limited efficiency of detection against such menace. At the end of the 90s, Defence R&D Canada developed a standoff bioaerosol sensor, SINBAHD, based on intensified range-gated spectrometric detection of Laser Induced Fluorescence (LIF) with an excitation at 351 nm. This LIDAR system generates specific spectrally wide fluorescence signals originating from inelastic interactions with complex molecules forming the building blocks of most bioaerosols. This LIF signal is spectrally collected by a combination of a dispersive element and a range-gated ICCD that limits the spectral information within a selected atmospheric cell. The system can detect and classify bioaerosols in real-time, with the help of a data exploitation process based on a least-square fit of the acquired fluorescence signal by a linear combination of normalized spectral signatures. The detection and classification processes are hence directly dependant on the accuracy of these signatures to represent the intrinsic fluorescence of bioaerosols and their discrepancy. Comparisons of spectral signatures acquired at Suffield in 2001 and at Dugway in 2005 of bioaerosol simulants, <i>Bacillius subtilis var globiggi</i> (BG) and <i>Erwinia herbicola</i> (EH), having different origin, preparation protocol and/or dissemination modes, has been made and demonstrates the robustness of the obtained spectral signatures in these particular cases. Specific spectral signatures and their minimum detectable concentrations for different simulants/interferents obtained at the Joint Biological Standoff Detection System (JBSDS) increment II field demonstration trial, Dugway Proving Ground (DPG) in June 2005, are also presented.
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 | 0,001 |
| Science ouverte | 0,001 | 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 ».