Passive standoff detection by differential FTIR radiometry: an overview of the CATSI project with recent results
Notice bibliographique
Résumé
A selection of field trial results on the passive standoff detection by differential FTIR radiometry with the CATSI sensor is presented. This selection covers the seven-year development period (1998-2004) of the CATSI project. The results obtained with the CATSI instrument at two major field trials in Kansas (1998) and Nevada (2001) have shown the successful passive standoff detection of a number of chemical vapors at short and medium ranges of 100 m and 1.5 km, respectively. In particular, the detection method has been used at short range (100m) to map the column amounts of a methanol plume with an estimated uncertainty of the order of 15 - 30%. At medium range (1.5 km), the measurement technique has been successfully used to detect and identify low, medium and high concentrations of vapor mixtures of DMMP and SF6 but appears to have limited quantification capabilities in its original form. At long range, CATSI has successfully measured SF6 gas amounts at the 5.7-km range of DRDC Valcartier. The passive standoff detection of liquid contaminants on surfaces was tested with encouraging results. These results indicate that liquid contaminant agents deposited on high-reflectivity surfaces can be detected, identified and possibly quantified with passive sensors. For low-reflectivity surfaces, the presence of contaminants can usually be detected; however, their identification based on simple correlations with the absorption spectrum of the pure contaminant is not possible. In a field trial (Dugway Proving Ground, 2002) on the standoff detection of bio-aerosols, CATSI has detected large amounts of BG at ranges of up to 3 km. Recent field measurements for a standoff distance of 60 m suggests that the gas constituent ratios of complex mixtures can be properly retrieved from passive spectral measurements performed at 8 cm-1. These results from field experiments clearly show the relevance of the CATSI approach for the passive standoff detection by differential FTIR radiometry.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».