Gradient magnetometer dataset and MATLAB numerical code for simulating buried firearms at a controlled field site
Notice bibliographique
Résumé
Magnetic survey using multiple magnetometers to obtain gradiometric data can be used as a non-destructive method to search for buried firearms. We present magnetic dataset collected above a set of weapons buried at 0.6 m, 1.2 m, and 1.8 m depths. We provide three datafiles: two datafiles were collected on a coarse grid (1 m by 0.5 m) before and after burial of the weapons, and a third one collected on a fine grid (0.25 m by 0.1 m) after the burial of the weapons which concentrates on the area of buried firearms. We used a Gem Systems GSM-19GW Overhauser gradiometer consisting of two sensors with a relative vertical separation of 55 cm. Data acquisition was done via non-automated point measurements within a gridded measurement domain with data collection locations managed using measurement tape. Each field campaign resulted in about 3,000 data points. In addition, we developed a set of MATLAB scripts to model the magnetic anomalies (total field and gradient) for buried firearms, this set is also included here. The data and modeling scripts relate to a research article published in Forensic Science International (Deng et al., Suitability of magnetometry to detect clandestine buried firearms from a controlled field site and numerical modeling [1]). The dataset may be helpful for testing new algorithms for weapons detection while the numerical codes can be modified and applied for simulating magnetic anomalies resulting from similar buried objects with potential application in the sub-disciplines of forensic and archaeological geophysics.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,004 |
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 ».