MétaCan
Menu
Retour à la cohorte
Enregistrement W2143108759 · doi:10.1109/ccece.1993.332255

Applying digital image technology to pulp and paper

2002· article· en· W2143108759 sur OpenAlexaffabout
Tuan Ho, W. K. Smith

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensAlberta Newsprint Company (Canada)
Organismes subventionnairesnon disponible
Mots-clésReelPaper machineTrimmingMillComputer scienceCalipersEngineering drawingImpressionEngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Describes the application of a 2D color image display to monitor various paper properties of a paper machine reel. These properties include caliper, opacity, moisture and basis weight. The conventional method of determining the paper quality of an entire reel was to perform statistical calculations on a profile-to-profile basis of paper properties in both machine direction, length and cross-machine direction, and width of the sheet. On a profile-by-profile basis, it can be somewhat difficult for mill personnel to determine whether the entire reel is within the desirable grade specifications or not, or whether the specification is only out of limits at certain sets or rolls within the reel. This difficulty can be overcome by use of digital imaging technology. An image display can be used to monitor the entire reel sheet for various paper properties. This means less time will be required for statistical calculations. Feedback from analyzing the reel image would enable mill personnel to identify possible problems associated with the paper machine controls. In addition, trimming information can be derived from the reel image noting if any undesirable streaks are present in the sheet. The reel image display was developed as a graphical tool for the paper machine, as part of a mill-wide information and optimization system (MOPS). This paper presents a case study of using this display at the Alberta Newsprint Company (ANC) pulp and paper mill. The overall benefits of this display are demonstrated by using actual property profile data recorded from their paper machine.>

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,007

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 Opus0,011
Tête enseignante GPT0,208
Écart entre enseignants0,198 · 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'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

Citations3
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIndustrial Vision Systems and Defect DetectionTravaux en français237 207