MétaCan
Menu
Retour à la cohorte
Enregistrement W4296020330 · doi:10.3390/min12091148

Reducing the Presence of Clusters in Bubble Size Measurements for Gas Dispersion Characterizations

2022· article· en· W4296020330 sur OpenAlexaboutno aff
L. Vinnett, Benjamín Urriola, Francisca Orellana, Camila Guajardo, Alex Esteban

Notice bibliographique

RevueMinerals · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Nacional de Investigación y DesarrolloUniversidad Técnica Federico Santa María
Mots-clésBubbleDispersion (optics)MechanicsEconomies of agglomerationGas bubbleFunction (biology)Materials sciencePhysicsOpticsChemical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

This short communication evaluates a new strategy to sample bubbles in gas dispersion characterizations. Bubble size is measured in a bidimensional flotation cell using the McGill bubble size analyzer under different types of frothers, frother concentrations and superficial gas rates. The original design of this bubble viewer is modified, changing the deflecting system to photograph only a fraction of the bubbles entering the device. As a result, the new design increases the ability to successfully identify bubbles by a maximum of 20% using an automated algorithm. This increase is caused by a reduction in the formation of clusters in the visual field. The improvement, which is a function of the operating conditions, is most significant in the transition from ellipsoidal/ellipsoidal–turbulent regimes (no frother or low frother concentrations) to conditions with an over-agglomeration of bubbles in the visual field (high superficial gas rates and high frother concentrations). A comparison of the bubble size parameters obtained from the original and proposed deflecting systems shows that the new design does not distort the estimated bubble size distributions. To complement the research findings, alternative sampling designs, using new or existing segmentation algorithms, are then proposed to improve gas dispersion characterizations at different scales.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,334
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,035
Tête enseignante GPT0,277
Écart entre enseignants0,242 · 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.

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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207