Characterisation of Geological Samples with Dual‐Energy <scp>XCT</scp>: A Comparison of Three Different Scanners
Notice bibliographique
Résumé
The stoichiometric calibration method for dual‐energy computed tomography (DECT) can be used in geosciences to characterise materials based on their effective atomic number ( Z eff ) and their electron density ( ρ e ) without previous knowledge of the incident X‐ray beam. A stoichiometrically calibrated DECT method was applied here to measure these two properties on three different sedimentary rocks using three different X‐ray CT instruments to determine which one is best to reveal the chemical composition or the mineralogical variations at the meso‐scale. The three tested instruments: (1) a medical CT, (2) a custom‐built micro‐CT, and (3) a commercial micro‐CT. Several acquisition settings were tested to identify the most suitable parameters for the characterisation the samples. Some parameters such as incident energies, resolution and calibration materials proved to have a significant impact on the accuracy of the characterisation. The determination of a general measurement protocol for geological samples was found to be difficult because of several complicating factors, including the nature of the sample, objectives of the study, and instrumental limitations that influence DECT characterisation. Nonetheless, comparison of the results obtained by the three scanners brings out the key parameters to be considered to perform a useful rock sample characterisation with DECT.
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 ».