MétaCan
Menu
Retour à la cohorte
Enregistrement W4387717052 · doi:10.1364/ais.2023.am2a.2

Enabling Smart Mineralogy for Bulk Ore Sorting using Real-Time Characterization of Minerals on Conveyor

2023· article· en· W4387717052 sur OpenAlexaff
Francis Vanier, Josette El Haddad, Christian Padioleau, Antoine Hamel, Tony Vaillancourt, Francis Boismenu, André Beauchesne, Paul Bouchard, Elton Soares de Lima Filho, Andriy Plugatyr, Mohamad Sabsabi, Yves Quenneville, A. Harhira

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueLaser-induced spectroscopy and plasma
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésComminutionSortingCharacterization (materials science)Environmental scienceLaser-induced breakdown spectroscopyEnergy consumptionGreenhouse gasProcess engineeringConveyor beltWaste managementMetallurgyMaterials scienceComputer scienceGeologyLaserEngineeringNanotechnology

Résumé

récupéré en direct d'OpenAlex

The mining industry is in need of technological solutions to improve ore feed quality and to reduce the amount of waste rock being processed, thereby increasing economic benefits while reducing energy consumption and greenhouse gas emissions during comminution. The Lumine™ system, based on laser-induced breakdown spectroscopy, provides such solution for cross-belt mineralogical quantification and is suitable for bulk ore sorting applications. The Lumine™ development pathway will be presented along with performance assessment results.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,599

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

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 Opus0,028
Tête enseignante GPT0,261
Écart entre enseignants0,233 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLaser-induced spectroscopy and plasmaTravaux en français237 207