Robotic Dispersal Technique for 35 GBq of 140La in an L-polygon Pattern
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In 2018, Defence Research and Development Canada, in partnership with Natural Resources Canada, led a field trial of survey and mapping of a large dispersion of radioactivity using Unmanned Aerial Vehicles (UAVs). The intent was to disperse La material in a 3,200 m L-polygon with an approximate activity level of 10 MBq m and to measure the radioactive material using sensors carried by UAVs. Due to the potential radiological hazard to personnel, the activity was approved only if Unmanned Ground Vehicles (UGVs) were able to completely handle and disperse the material remotely. One UGV was equipped with a traditional agricultural sprayer to disperse the material, and one UGV was equipped with a force feedback manipulator arm. Due to the freezing temperatures during dispersal, the 35 GBq of La was dispersed non-uniformly as one sprayer boom failed to perform as tested. However, rough analysis of the electronic dosimetry on the UGV concluded that 99% of the material was dispersed on the ground. The dosimeter placed closest to the robot manipulator arm, used for dispersal of material, indicated a contact dose of 33.5 mSv. The electronic dosimeter placed where the driver would have sat on the sprayer vehicle if it were not unmanned indicated a dose of 22.3 mSv. Thus, the use of UGVs for material dispersion substantially reduced the external exposure to personnel. The use of UGVs eliminated the potential of internal exposure as well. The Radiation Safety Officer received the highest dose at approximately 3 μSv, with the majority of the exposure coming from the handling of the Type A container.
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.
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 découle