Cold food chain : infrared thermography applied to the evaluation of insulation anomalies in refrigerated vehicles for the transport of food & exploration of cold approach in infrared thermography for non-destructive testing
Bibliographic record
Abstract
Le coût croissant de l’énergie a fait de l’économie d’énergie une nécessité vitale dans le monde actuel. Un des exemples consiste à “maintenir la chaîne du froid”, c’est-à-dire le transport correct des aliments périssables dans les véhicules réfrigérés, en particulier pour les produits laitiers, la viande et les aliments congelés. Tout en conservant une conservation appropriée des denrées alimentaires, l’ATP (Agreement on Transport of Perishable Foodstuffs) est l’un des accords concernant les essais d’isolation thermique qui déterminent l’adéquation du transport. Le test standard ATP est une procédure pour mesurer l’état isolant des équipements avec une approche globale. Néanmoins, certains défauts locaux dans la structure de l’équipement ne peuvent pas être visualisés dans cette procédure. Dans ce contexte, la technique de thermographie pourrait être particulièrement utile à ces problèmes. Deux exemples de cette application sont présentés dans cette thèse, l’un d’eux se concentre sur la cartographie du flux de chaleur sur la surface externe d’un rouleau-conteneur isolé par la technique de thermographie infrarouge. La seconde tente d’établir une vue panoramique du flux de chaleur sur la surface interne d’un véhicule isolé. Encouragé par les résultats favorables précédents, une exploration de l’approche à froid dans la thermographie infrarouge pour les Tests Non-Destructifs et l’Évaluation est introduite et réalisée dans ce qui suit. Une approche se concentre sur la détection des défauts isolés et des ponts thermiques dans les panneaux de caisses de camions isolés par chauffage à lampe et refroidissement par air, deux moyens d’excitation opposés. L’autre examine un refroidissement à l’azote liquide appliqué à un échantillon d’acier avec des trous à fond plat de différentes profondeurs et tailles. Différentes méthodes de traitement des données et de modélisation et de simulation sont effectuées dans des chapitres connexes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".