Sea-ice detection for autonomous underwater vehicles and oceanographic lagrangian platforms by continuous-wave laser polarimetry
Notice bibliographique
Résumé
The use of Lagrangian platforms and of Autonomous Underwater Vehicles (AUVs) in oceanography has increased rapidly over the last decade along with the development of improved biological and chemical sensors. These vehicles provide new spatial and temporal scales for observational studies of the ocean. They offer a broad range of deployment and recovery capabilities that reduce the need of large research vessels. This is especially true for ice-covered Arctic ocean where surface navigation is only possible during the summer period. Moreover, safe underwater navigation in icy waters requires the capability of detecting sea ice on the surface (ice sheets). AUVs navigating in such conditions risk collisions, RF communication shadowing, and being trapped by ice keels. In this paper, an underwater sea-ice detection apparatus is described. The source is a polarized continuous wave (CW) diode-pumped solid-state laser (DPSS) module operating at 532 nm. The detector is composed of a polarizing beam splitter, which separates light of S and P polarization states and two photodetectors, one for each polarized component. Since sea-ice is a strong depolarizer, the ratio P/S is an indicator of the presence or absence of sea-ice. The system is capable of detecting sea-ice at a distance of 12m. This apparatus is designed to be used by free drifting profiling floats (e.g., Argo floats), buoyancy driven vehicles (e.g., sea gliders) and propeller-driven robots (e.g., Hugin class AUV).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».