MétaCan
Menu
Retour à la cohorte
Enregistrement W4323922664 · doi:10.1515/hf-2022-0189

Wood color modification with iron salts aqueous solutions: effect on wood grain contrast and surface roughness

2023· article· en· W4323922664 sur OpenAlexafffund
Roberta Dagher, Tatjana Stevanović, Véronic Landry

Notice bibliographique

RevueHolzforschung · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural Heritage Materials Analysis
Établissements canadiensUniversité LavalNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAqueous solutionSurface roughnessSurface finishStainChemistryMaterials sciencePorosityWettingMineralogyComposite materialStainingOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Wood is a biosourced material with unique aesthetic features due to its anatomy and chemical composition. White oak wood surface color can be modified with the use of iron salts, which react with wood phenolic extractives, present as free molecules in wood porous structure. The impact of modifying wood surface color with iron salts on the final appearance of wood, including its color, grain contrast and surface roughness, was evaluated in this study. Results showed that following the application of iron (III) sulphate aqueous solutions on white oak wood surface, its roughness increased, which is due to grain raising after wetting of wood surface. The color modification of wood surface with iron (III) sulphate aqueous solutions was compared with a non-reactive water based blue stain. The contrast associated to wood grain that was expressed by the standard deviation of luminance values in wood images, also increased after application of the iron (III) sulphate aqueous solution on white oak wood surface. The comparison of contrast changes showed that wood samples stained with iron (III) sulphate on their curved surface had the highest increase in grain contrast compared to iron-stained wood showing the straight grain and to wood surfaces colored by a non-reactive water-based stain for both curved and straight grains.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,441
Score d'incertitude au seuil0,639

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,035
Tête enseignante GPT0,240
Écart entre enseignants0,206 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations11
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHolzforschungMême sujetCultural Heritage Materials AnalysisTravaux en français237 207