Use of Bluetooth low energy and ultra-wideband sensor systems to detect people in forest operations danger zones
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
Forests are challenging workplace environments with rugged and steep terrains and large danger zones obscured by dense forest stands. Additionally, there are often restrictions on mobile communication networks, the Internet, or on Global Navigation Satellite Systems (GNSS) reception. Therefore, technologies supporting the detection of people in danger zones have not been broadly applied in forestry. During the field test, two prototypes enabling people detection via ultra-wideband (UWB) and Bluetooth low energy (BLE) were evaluated. The precision, accuracy, detection distance, and detection rates of the prototypes were determined. Furthermore, the influence of the line of sight, that is, the visual path between two points, was considered. With an overall Distance Bias of 0.44 m and overall RMSE of 1.52 m, the UWB sensor allowed precise detection within the danger zones, 30 m (mean detection distance, 28.4 m; 90% CI: 22.33–30.00 m) and 50 m (mean detection distance, 43.9 m; 90% CI: 36.81–49.63 m); therefore, it is well suited for use during felling with a chainsaw. The BLE sensor allowed presence detection even at greater distances (mean detection distance, 83.66 m; 90% CI: 62.45–103.05 m) and would be suitable for fully mechanized timber harvesting. However, BLE sensors still lack the ability to determine detection distances.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle