Size and Shape of Forage Particles by Image Analysis and Normalized Multiscale Bending Energy Method
Notice bibliographique
Résumé
<abstract> <bold>Abstract.</bold> Traditional particle shape descriptors (e.g. sphericity, elongation, convexity, etc.) have shown a lack of robustness because of their inability to provide a unique solution. The Normalized Multiscale Bending Energy method (NMBE) provides a unique shape signature from individual particle contour morphology. The method is based on the convolutionâs theorem for the low-pass Gaussian filtering of parametric curves. It determines quantitatively the shape features at different scales, notably at small scale (irregularity) and large scale (elongation). The method is built around MATLAB® software using Image Toolbox Processing to treat 2D static pictures of particles spread on a flat area. Chopped alfalfa and corn particles (12.7, 25.4 and 29.6 mm of theoretical length of cut â TLOC) were investigated in this study. Image analysis enables to calculate geometric features of forage particles especially length, area and perimeter. An individual particle mass approximation allows building curves of cumulative mass as a function of length for a given sample. Mechanical sieving preprocessing enables to establish links between 1D particle size distribution, image analysis and shape distribution. Furthermore, it has been observed that measurement by mechanical sieving systematically underestimate the particle length (by 28.8% for corn and 72.4% for alfalfa at median length). The method successfully characterizes particles morphology in terms of elongation and irregularity.
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 | 0,000 | 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 ».