Influence of surface roughness, volume diffusion and particle size in reflectance infrared spectroscopy
Notice bibliographique
Résumé
In the field of Defence and Public Security, standoff detection is a useful tool to identify many threats, such as chemical warfare agents, toxic industrial compounds and other chemical substances under various physical states (gas, liquid and solid). Over the years, Defence Research and Development Canada (DRDC) - Valcartier Research Centre has built an extensive expertise in the field of hyperspectral standoff detection. Although the technology behind the detection instruments is well known, the interpretation of spectral signatures of materials can sometimes be difficult. In reflectance infrared spectroscopy of solids, the same molecule can yield different signatures depending on sample surface roughness and particle sizes as opposed to the transmission and absorption infrared spectroscopies for which the signatures are significantly less influenced by these parameters. In principle, molecules containing one ionic bond, such as NaCl, must not exhibit infrared peaks, since only covalent bonds are supposed to generate active bands in the thermal infrared region. However, experimental results show significant spectral features in reflectance infrared spectroscopy. In fact, in reflectance spectroscopy, the volume diffusion phenomenon can generate spectral features even if no fundamental vibration occurs in the molecule. An effort has been undertaken at DRDC to understand the phenomenology associated with these variations. This paper summarizes experimental results which emphasize the roles of surface roughness and particle size in the interpretation of reflectance infrared spectra of solid materials.
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 ».