Indirect solution modeling of melting behavior of SiO<sub>2</sub> based on the image processing technology
Notice bibliographique
Résumé
Abstract The utilization of tempered blast‐furnace slag through the direct fiber forming process to produce high‐value thermal insulation materials offers a dual benefit: it efficiently utilizes the latent heat in the unused slag and significantly increases the value of blast‐furnace slag utilization. However, measuring the melting properties of iron slag at high temperatures is challenging. In this study, the melting behavior of SiO 2 in a high‐temperature molten pool was investigated. We employ dynamic visual data (video stream) captured via a non‐contact charge coupled device video recording system to extract SiO 2 contours through image processing. The change in image centroid characteristics is used to establish a convolution function relationship, and MATLAB's traversal search algorithm determines the centroid position of SiO 2 . Given that SiO 2 is proportionate to crucible pixels, the area of the SiO 2 is calculated through pixel statistics within these contours. A new indirect method is then proposed to process image information to obtain SiO 2 volume and mass at different time points. An exponential fitting yields the melting rate function of SiO 2 . Finally, this indirect method has been compared with shape from shading, quantitative characterization, and dimensional analysis techniques. Besides, the strengths and limitations of each method have been discussed. Our findings reveal that the indirect solution method presented here boasts straightforward calculation steps and imposes minimal image format requirements, which provides theoretical and technical support for the direct fiber forming process of blast‐furnace slag.
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 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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».