Large-scale volumetric particle tracking using a single camera: Analysis of the scalability and accuracy of glare-point particle tracking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle