Knot detection in computed tomography images of partially dried jack pine (<i>Pinus banksiana</i>) and white spruce (<i>Picea glauca</i>) logs from a Nelder type plantation
Notice bibliographique
Résumé
X-ray computed tomography (CT) of logs means possibilities for optimizing breakdown in sawmills. This depends on accurate detection of knots to assess internal quality. However, as logs are stored, they dry to some extent, and this drying affects the density variation in the log and therefore the X-ray images. For this reason, it is hypothetically difficult to detect log features in partially dried logs using X-ray CT. This paper investigates the effect of improper heartwood–sapwood border detection, possibly due to partial drying, on knot detection in jack pine (Pinus banksiana Lamb.) and white spruce (Picea glauca (Moench) Voss) logs from New Brunswick, Canada. An automatic knot detection algorithm was compared to manual reference knot measurements, and the results showed that knot detection was affected by detected heartwood shape. It was also shown that logs can be sorted into two groups based on how well the heartwood–sapwood border is detected to separate logs with a high knot detection rate from those with a low detection rate. In that way, a decision can be made whether or not to trust the knot models obtained from CT scanning. This can potentially aid both sawmills and researchers working with log models based on CT.
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 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 | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».