MétaCan
Menu
Retour à la cohorte
Enregistrement W3013956243 · doi:10.2110/jsr.2020.16

Quantification of the morphology of gold grains in 3D using X-ray microscopy and SEM photogrammetry

2020· article· en· W3013956243 sur OpenAlexaff
François-Xavier Masson, Georges Beaudoin, Denis Laurendeau

Notice bibliographique

RevueJournal of Sedimentary Research · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSphericityRoundness (object)GeometryPhotogrammetryShape factorCurvatureShape analysis (program analysis)GeologyAspect ratio (aeronautics)Particle (ecology)Materials scienceMorphology (biology)MineralogyMathematicsComposite materialComputer science

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The shape of gold is widely used in mineral exploration and in sedimentology to estimate the distance of transport from the source to the site of deposition. However, estimation of the morphology is based on qualitative observations or on the quantification of shape in 2D. The 3D analysis of grain shape is useful for accurate morphometric quantification and to evaluate its volume, which is related to particle size. This study compares X-ray 3D microscope and 3D SEM photogrammetry to reconstruct the shape of gold particles. These new methods are exploited to quantify the shape of gold grains 85 to 300 μm in size. The shape parameters, such as axial lengths, surface area, volume, diameter of curvature of all corners, and diameter of the largest inscribed sphere and smallest circumscribed sphere are measured on a particle in order to estimate shape factors such as flatness ratios, shape indices, sphericity, and roundness. Most shape parameters and shape factors estimated on the same gold grain with simple geometry are similar between the two approaches. This result validates these methods for the 3D description of gold particles with simple morphology, while providing a methodology for describing grains with more complex geometry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,171

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,106
Tête enseignante GPT0,355
Écart entre enseignants0,248 · 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 tête enseignante, 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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Sedimentary ResearchMême sujetGeochemistry and Geologic MappingTravaux en français237 207