The Use of Unmanned Aerial Vehicles (UAVs) in Slope Stability Assessment
Notice bibliographique
Résumé
The use and applications of unmanned aerial vehicles (UAVs) in geotechnical engineering is rapidly growing, leading to changes in the way that data is acquired, analyzed and processed. UAVs can reach areas previously inaccessible via ground or helicopter, while also being quickly deployed. Cameras are the current standard for data collection and 3D model creation. There are multiple types of UAV’s currently available. Quadcopters can take off and land in spatially constrained areas, but carry a small stabilized camera producing low quality models. Octocopters permit an increased payload, so a higher quality camera can be attached, allowing for increased model accuracy. Flight time is reduced by the additional weight. Fixed wing UAVs create higher quality photogrammetry models, and are commonly deployed over large surface areas. Transport Canada certification must be approved prior to any flights occurring for research or work. A detailed application must be created, including a flight plan and demonstration of prior flight experience. At the White Canyon site in B.C., a Phantom 4 Quadcopter was flown for geotechnical analysis of a complex geometry slope, which has previously been studied for several years. The terrain has occluded the data available from the ground or from permissible helicopter flight paths. Therefore, detailed information from the slope has not been previously available. The process of using a UAV to obtain these data sets, to develop a full 3D model of these areas of the slope is discussed, considering the accuracy and quality of the data available.
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) | 0,000 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».