MétaCan
Menu
Retour à la cohorte
Enregistrement W4311480772 · doi:10.21203/rs.3.rs-2356060/v1

Large-scale volumetric particle tracking using a single camera: Analysis of the scalability and accuracy of glare-point particle tracking

2022· preprint· en· W4311480772 sur OpenAlexaff
Frieder Kaiser, David E. Rival

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensQueen's University
Organismes subventionnairesCalifornia Institute of Technology
Mots-clésTracking (education)BubbleSoap bubbleScalabilityWind tunnelParticle tracking velocimetryComputer scienceOpticsParticle (ecology)Generator (circuit theory)Scale (ratio)Artificial intelligenceComputer visionPhysicsTurbulencePower (physics)Particle image velocimetryMechanics

Résumé

récupéré en direct d'OpenAlex

Abstract Recent advances in tracer, illumination, and camera technology, paired with new processing algorithms, have been pushing the limits of scale for three-dimensional flow measurements. The present study explores the state-of-the-art and discusses the current progress towards full-scale, in situ flow measurements in very large measurement volumes of order 10m² or larger. In particular, we focus on industrial and environmental applications, where the measurement time, the processing time, and overall system cost all have to be minimized. With the glare-point particle tracking (GPPT) approach, we present a cost and time-efficient volumetric measurement technique using a single-camera setup, air-filled soap bubbles (AFSBs), and natural illumination. The GPPT approach is tested and characterized in a pyramidal-shaped measurement volume ($V=18m³) in an outdoor, open-jet wind tunnel. Bubbles of uniform size are produced by a bubble-generator prototype and illuminated by the sun. The uniform bubble size enables a depth estimate for each bubble based on the glare-point spacing in the images from a single camera, thereby removing the need for additional cameras and perspectives. The measurement accuracy of the GPPT is then assessed by: (a) characterizing the performance of the bubble-generator prototype; (b) analyzing bubble deformation and its effects; and (c) assessing the accuracy of the depth estimate based on glare-point spacing. Finally, the scalability of the approach is discussed and, based on the light scattering behavior of large AFSBs, a discussion is made of how GPPT will enable three-dimensional flow characterization in very large measurement volumes (V=O(100m³)) in the near future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 Opus0,099
Tête enseignante GPT0,353
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch SquareMême sujetFlow Measurement and AnalysisTravaux en français237 207