MétaCan
Menu
Retour à la cohorte
Enregistrement W4380990075 · doi:10.3390/s23125638

Backscattering Echo Intensity Characteristics of Laser in Soil Explosion Dust

2023· article· en· W4380990075 sur OpenAlexaff
Lijuan Gao, Fue‐Sang Lien, Huimin Chen, Guang Chen, Shangxian Yang, Jiahao Deng

Notice bibliographique

RevueSensors · 2023
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Optical Sensing Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesChina Scholarship Council
Mots-clésLaserExplosive materialEnvironmental scienceImpact craterWater contentIntensity (physics)Soil waterEcho (communications protocol)Remote sensingOpticsMaterials scienceSoil scienceGeologyChemistryPhysicsGeotechnical engineeringAstrobiology

Résumé

récupéré en direct d'OpenAlex

Soil dust generated by explosions can lead to the absorption and scattering of lasers, resulting in low detection and recognition accuracy for laser-based devices. Field tests to assess laser transmission characteristics in soil explosion dust are dangerous and involve uncontrollable environmental conditions. Instead, we propose using high-speed cameras and an indoor explosion chamber to assess the backscattering echo intensity characteristics of lasers in dust generated by small-scale explosive blasts in soil. We analyzed the influence of the mass of the explosive, depth of burial, and soil moisture content on crater features and temporal and spatial distributions of soil explosion dust. We also measured the backscattering echo intensity of a 905 nm laser at different heights. The results showed that the concentration of soil explosion dust was highest in the first 500 ms. The minimum normalized peak echo voltage ranged from 0.318 to 0.658. The backscattering echo intensity of the laser was found to be strongly correlated with the mean gray value of the monochrome image of soil explosion dust. This study provides experimental data and a theoretical basis for the accurate detection and recognition of lasers in soil explosion dust environments.

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 seuil0,002

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
Bibliométrie0,0010,000
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 Opus0,019
Tête enseignante GPT0,251
Écart entre enseignants0,232 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSensorsMême sujetAdvanced Optical Sensing TechnologiesTravaux en français237 207