MétaCan
Menu
Retour à la cohorte
Enregistrement W3007523270 · doi:10.1109/lmag.2020.2974178

Magneto-Inductive Magnetic Gradient Tensor System for Detection of Ferromagnetic Objects

2020· article· en· W3007523270 sur OpenAlexaff
Huan Liu, Xiaobin Wang, Hongpeng Wang, Junchi Bin, Haobin Dong, Jian Ge, Zheng Liu, Zhiwen Yuan, Jun Zhu, Xinqun Luan

Notice bibliographique

RevueIEEE Magnetics Letters · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMagnetic Field Sensors Techniques
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésUnexploded ordnanceTensor (intrinsic definition)Fluxgate compassOrientation (vector space)SIGNAL (programming language)OrthogonalityMagnetic fieldMagnetoPhysicsNoise (video)Explosive materialAcousticsNuclear magnetic resonanceMagnetometerComputer scienceMagnetArtificial intelligenceMathematicsGeometryGeologyChemistryQuantum mechanicsRemote sensing

Résumé

récupéré en direct d'OpenAlex

A miniature magnetic gradient tensor system may be used in small spacecraft for mineral prospecting and detection of unexploded explosive ordnance. The system consists of a magneto-inductive (MI) sensors array, a signal extraction circuit, and a microcontroller. A magnetic gradient full-tensor configuration utilizes four MI sensors arranged in a planar cross structure and is employed to minimize orientation and orthogonality errors. The system's performance was checked by data validation and magnetic anomaly detection. Numerous experimental results demonstrate that the system is able to detect a low-amplitude magnetic field as low as 8.28 nT at 10 Hz, with a typical noise floor of 0.235 nT/Hz$^{1/2}$at 1 Hz. The system can identify nearby ferromagnetic objects clearly, which indicates its feasibility for weak magnetic anomaly detection.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,012
Tête enseignante GPT0,187
Écart entre enseignants0,175 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Magnetics LettersMême sujetMagnetic Field Sensors TechniquesTravaux en français237 207