MétaCan
Menu
Retour à la cohorte
Enregistrement W2883569271 · doi:10.15273/ijge.2018.03.018

Development of a Laboratory for Testing the Accuracy of Terrestrial 3D Laser Scanning Technologies

2018· article· en· W2883569271 sur OpenAlexvenueno aff
Frederick Cawood, Mei Yu, Peter Kolapo, Changbiao Qin

Notice bibliographique

RevueInternational Journal of Georesources and Environment · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRemote Sensing and LiDAR Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPoint cloudLaser scanningProcess (computing)Computer scienceScope (computer science)Acceptance testingSample (material)Quality (philosophy)3d scanningRock mass classificationEngineeringSimulationLaserArtificial intelligenceCivil engineeringSoftware engineering

Résumé

récupéré en direct d'OpenAlex

The mining market is currently overwhelmed by technology vendors offering scanning equipment as ‘solutions’ for real time mapping and monitoring rock mass movement for mine safety. Mines are left with a problem in that the technology is mostly unproven and not originally designed for mine safety accuracies. Scanning system accuracy assessment needs to be done so as to increase the level of confidence and trust in the quality of the results. The scope of this research is set a laboratory for testing terrestrial laser scanning (TLS) systems – complete with targets fix on the wall of the testing laboratory, which plays a vital role in creating high quality and reliable digital point clouds. To improve the accuracy test of the scanning system, we support exact positioning and distance measurement of points cloud by providing revolutionizing surveying solutions and infrastructure development. The FARO, a static 3D laser scanner and uGPS, a mobile 3D laser scanning system are tested in this research. If the level of accuracy of these TLS systems can be ascertained, this can fit into the production process, ore flow analysis to measure discrepancy and metal accounting principles. Notably, this will add value to mining operations chains through measurement and adequate monitoring of process by revealing the modifying factor contributing to mine loss. More importantly good decisions can be made on mine evacuation when point cloud comparisons raise alarm on rock mass movement. With this laboratory, we can offer a vital service to the mining industry by certifying new scanning solutions as these arrive on the market. This will make mines safer.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0030,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,251
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Georesources and EnvironmentMême sujetRemote Sensing and LiDAR ApplicationsTravaux en français237 207