Light-scattering of tracer particles for liquid flow measurements
Notice bibliographique
Résumé
Abstract A variety of modern flow measurement techniques use tracer particles that should accurately follow fluid motions and should scatter sufficient light to be detectable by imagining systems. These two requirements are at odds if they are to be full-filled by varying the tracer size. For this reason, other particle properties such as material, structure, and coating are also considered. While the effect of these properties on the particle response time can be estimated, it is challenging to quantify their effect on the scattered light using the Mie scattering theory. To address this issue, we investigated the light scattering properties of several commercially available tracer particles and provided simple guidelines for selecting appropriate particles. The investigations were carried out using particle images recorded in forward, side, and backward-scatter angles that are typically used in 3D-particle tracking velocimetry. The selected particles represent a wide spectrum of particle sizes and included glass, polymer, and fluorescent particles used in liquid flows. Other properties such as hollow structures and metallic coatings were also investigated. The results showed that glass particles had greater light scattering in the forward-scatter direction, while the polystyrene particles scattered more light in the back-scatter direction. The fluorescent particles had a relatively narrow intensity distribution with a strong side-scatter. We found that silver-coated glass particles had two to four times higher image intensity in the side and back-scatter cameras when compared with uncoated glass particles. The hollow glass particles had a higher forward-scatter compared with the solid glass particles. The recorded images were also used to obtain 3D particle tracks. A large intensity variation was observed along the 3D tracks that was mainly associated with the discretization of particle images on the camera sensor.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».