Ground penetrating radar used to detect drowning victims under ice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Every year, people drown after falling through ice on rivers and lakes. In some cases, the body of the victim floats up to the underside of the ice, making detection and recovery difficult using traditional search methods with divers. A robust and contact-less sensing system is required to locate drowning victims that does not put rescue teams at risk of falling through the ice themselves. In this paper, we demonstrate the feasibility of a ground penetrating radar (GPR) for detecting deceased drowning victims that have floated up to the underside of the ice. We placed three euthanized pigs simulating drowning victims under ice ranging in thickness from 5 to 26 cm. We dragged a GPR at 500 MHz and 1 GHz across the ice to detect the simulated victims using an autocorrelation-based detection technique. Results showed that both frequencies were able to detect the rough shape of the simulated victims at ice thicknesses up to 42 cm, with the 1-GHz data showing slightly more resolution than the 500-MHz data. These results show promise and suggest future development of an autonomous drone-based GPR detection system. Key points: Floating bodies are successfully detected under both ice and snow using a commercial ground penetrating radar system with ice depths reaching up to 26 cm in a controlled environment.The differences between using radar systems operating at/around 500 MHz and 1 GHz were not pronounced from the point of view of detection.Future studies should investigate the capabilities for detecting bodies in more realistic settings.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
score_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