MétaCan
Menu
Retour à la cohorte
Enregistrement W4353091994 · doi:10.3390/photonics10030343

275–305 GHz FM-CW Radar 3D Imaging for Walk-Through Security Body Scanner

2023· article· en· W4353091994 sur OpenAlexaff
Tomofumi Ikari, Yoshiaki Sasaki, Chiko Otani

Notice bibliographique

RevuePhotonics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTerahertz technology and applications
Établissements canadiensSpectra Energy (Canada)
Organismes subventionnairesnon disponible
Mots-clésOpticsScannerRadarImage resolutionRadar imagingPhysicsMaterials scienceComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Imaging using millimeter waves (MMW) and terahertz (THz) waves can help inspect hazardous materials hidden beneath clothing in a non-contact and non-invasive manner. A 3D terahertz imaging system for security gate applications in the 275–305 GHz range was developed and experimentally demonstrated to detect concealed objects carried by pedestrians. This system performs 3D measurements by combining depth detection using frequency-modulated continuous wave (FM-CW) radar, vertical scanning of the detection spot using a 1D high-speed mechanical beam scanner, and horizontal movement of the irradiated area and detection spot as the pedestrian walks. The high-speed beam scanner comprises an F-Theta telecentric lens and a polygon mirror. It has a vertical line scan rate of 142 lines/s and spatial resolution of ~10 mm, consistent with the design value, and a depth resolution of ~7 mm, which is 40% larger than the theoretical value estimated from the FM-CW radar principle. The depth-dependent lateral distortion in 3D images, known as telecentricity, measured using the body scanner imaging system, was also evaluated. Consequently, images with the same magnification were obtained at a range of more than 500 mm of focus depth. Finally, the detection of concealed objects carried by pedestrians was demonstrated, showing that the system can work for a pedestrian walking at speeds from 4 km/h to 7 km/h.

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 enseignants0,001
Score d'incertitude au seuil0,004

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,008
Tête enseignante GPT0,244
Écart entre enseignants0,236 · 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

Citations22
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotonicsMême sujetTerahertz technology and applicationsTravaux en français237 207