MétaCan
Menu
Retour à la cohorte
Enregistrement W2198110927 · doi:10.1520/jte20140432

Robust Test of the Flatbed Scanner for Air-Void Characterization in Hardened Concrete

2015· article· en· W2198110927 sur OpenAlexaffabout
Karl Peterson, Gerald C. Anzalone, Sona Nezami, Claire Yea Sol Oh, Haizhu Lu

Notice bibliographique

RevueJournal of Testing and Evaluation · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueImage Processing Techniques and Applications
Établissements canadiensRead Jones Christoffersen (Canada)University of Toronto
Organismes subventionnairesnon disponible
Mots-clésVoid (composites)ScannerMaterials scienceCharacterization (materials science)Structural engineeringComposite materialEngineeringComputer scienceArtificial intelligenceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract In the province of Ontario, Canada, the Ministry of Transportation administers a quality assurance testing program for all new concrete construction where air content and spacing factor are measured. Testing is performed by qualified operators in accordance with ASTM C457/C457M-12. In this study, 324 routine samples that had been tested by qualified operators were obtained and analyzed for air-void parameters by an alternative automated flatbed scanner method. A strong correlation was found between the manual and automated methods. This research explored the premise that summary statistics from a small set of training samples could be used to define a set of global threshold levels to measure air-void parameters from a much larger population. Two different methods for setting the global thresholds were tested: one based on arithmetic means, and another based on modal location parameters derived from type I extreme value distributions. The frequency of false-negative errors (failure to detect a defect) was used as a criterion to assess the different threshold methods. Automated test results derived using global thresholds based on arithmetic means minimized the occurrence of false-negative events.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,090
Tête enseignante GPT0,293
Écart entre enseignants0,203 · 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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Testing and EvaluationMême sujetImage Processing Techniques and ApplicationsTravaux en français237 207