MétaCan
Menu
← Retour à la cohorte
Enregistrement W4315629460 · doi:10.1117/12.2645028

Development of the HySpex hyperspectral drill core scanner: case study on exploration core from the Au-rich LaRonde-Penna volcanogenic massive sulfide deposit, Quebec, Canada

2023· article· en· W4315629460 sur OpenAlexaboutno aff
Friederike Körting, Julio E. Hernandez, Pesal Koirala, Miranda Lehman, Thomas Monecke, David Lindblom

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHyperspectral imagingGeologyDrillScannerGeochemistryMining engineeringMineralogyRemote sensingComputer scienceEngineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

HySpex is presenting an integrated solution for hyperspectral drill core imaging. The system’s mineral mapping capabilities are presented in close cooperation with renowned academic and industrial partners through the Center to Advance the Science of Exploration to Reclamation in Mining (CASERM) led by the Colorado School of Mines and Virginia Tech. Utilizing HySpex cameras covering the spectral range between 400 and 2500 nm, the system is capable of scanning full core boxes in seconds. Using Prediktera’s new Breeze-GEO Software, real-time mineral mapping of the highest quality is achieved. Apart from different interactive qualitative and quantitative data analysis tools offered by Breeze, the platform includes the publicly available USGS Material Identification and Classification Algorithm (MICA) for mineral identification, as well as the Minimum Wavelength Mapping (MWL) algorithm. The scanner’s capabilities are demonstrated using drill cores from the LaRonde-Penna deposit. The deposit is located within the Archean Abitibi greenstone belt of Ontario and Quebec, Canada, which is home to numerous Volcanogenic Massive Sulfide (VMS) deposits. LaRonde-Penna contains an endowment of 71 Mt of ore grading on average 3.9 g/t Au and economic grades of Zn, Cu and Pd. Because the deposits have been studied extensively over the past decades, cores from the deposit open up a unique opportunity for research and development.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,392
Score d'incertitude au seuil0,789

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,241
Écart entre enseignants0,195 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→