MétaCan
Menu
Retour à la cohorte
Enregistrement W2024705300 · doi:10.1063/1.3665340

Development and Testing of an Air Fluorescence Imaging System for the Detection of Radiological Contamination

2011· article· en· W2024705300 sur OpenAlexaff
Elizabeth Inrig, Vern Koslowsky, Bob Andrews, Michael Dick, Patrick Forget, H. Ing, Roger Hugron, Marianne E. Hamm, Robert W. Hamm

Notice bibliographique

RevueAIP conference proceedings · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueRadiation Detection and Scintillator Technologies
Établissements canadiensCanadian Nuclear Safety Commission
Organismes subventionnairesnon disponible
Mots-clésContaminationDetectorEnvironmental scienceRadiological weaponRadiationShutterParticle detectorRadiation monitoringRemote sensingOpticsComputer scienceMaterials scienceNuclear medicinePhysicsRadiochemistryChemistry

Résumé

récupéré en direct d'OpenAlex

Detection of radionuclides emitting short‐range radiation, such as α and low‐energy β particles, has always presented a challenge, particularly when such radionuclides are dispersed over a wide area. In this situation, conventional detection methods require the area of interest to be surveyed using a fragile probe at very close range—a slow, error‐prone, and potentially dangerous process that may take many hours for a single room. The instrument under development uses a novel approach by imaging radiation‐induced fluorescence in the air surrounding a contaminated area, rather than detecting the radiation directly. A robust and portable system has been designed and built that will allow contaminated areas to be rapidly detected and delineated. The detector incorporates position‐sensitive photo‐multiplier tubes, UV filters, a fast electronic shutter and an aspherical phase mask that significantly increases the depth‐of‐field. Preliminary tests have been conducted using sealed 241Am sources of varying activities and surface areas. The details of the instrument design will be described and the results of recent testing will be 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,193

Scores Codex et Gemma par catégorie

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

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 Opus0,038
Tête enseignante GPT0,234
Écart entre enseignants0,196 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations14
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAIP conference proceedingsMême sujetRadiation Detection and Scintillator TechnologiesTravaux en français237 207