Infrared Image Analysis for Estimation of Ice Load on Structures
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 An analysis using infrared and visual images is made to measure the ice thickness of a cylindrical component. The proposed method is useful for ice detection and measurement on structures, even in harsh conditions and low light situations such as night. This type of analysis can fill a gap of knowledge related to ice measurement using both visual and thermal images. Thermal imaging shows differences in the emissivity and temperature of objects. This can help to detect objects and measure the amount of ice accumulated on the objects. Combining the information of visual and thermal images can compensate for their weak points and present better results. Combinations of the color-visual image (CVI), grayscale-visual image (GVI), color-infrared image (CII) and grayscale-infrared image (GII) are used to find the most accurate results. A binary image is acquired using the threshold method based on data collected from infrared and visual images. Using threshold levels removes irrelevant data that come from the background. Common ice pixels detected from both infrared and visual images are considered as the ice area. Thresholding methods cause unwanted gaps and strips in binary images. Morphological algorithms are used to remove these imperfections. The best results are obtained when one of the elements of the combinations is CII. The results of using CVI and GVI are almost the same. The experiments show that this method is reliable and its results are aligned with the real data.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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