Ground penetrating radar used to detect drowning victims under ice
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».