Adaptive image thresholding for real‐time particle monitoring
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Image thresholding is critical to computer vision systems designed to detect very small numbers of contaminant particles from analysis of images acquired by in‐line process monitoring. The objective of this work was to obtain a thresholding method that would permit in‐line, “real‐time,” determination of both the number of particles in an image and their size. An additional requirement was that it automatically adapt to inevitable variations in the image quality. A new global image thresholding method, the MaxMin method (“MaxMin”), was developed. MaxMin notes the size of the smallest detected particle in an image as threshold value is progressively changed from black to white. The selected threshold value is the one providing the largest size. MaxMin was tested on thousands of images, and it was shown to readily adapt to images of different background noise levels and provided particle counts as accurate as those of a human observer in less than three seconds per image. Error in particle size measurement was a function of the particle size and the image resolution. It was about 3% for 50 μm particles, using a CCD camera with 2× lens, calibrated for each pixel to represent ∼5 μm 2 . The error was significantly higher for smaller particles, when the same system resolution was used. © 2006 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 16, 9–14, 2006
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.
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 | 0,001 |
| 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 découle