Microscopic Strain Mapping Using Scanning Electron Microscopy Topography Image Correlation at Large Strain
Notice bibliographique
Résumé
Measuring the distribution of local strain at the microscopic level is a challenging problem, especially for materials subjected to large overall strain. In the present study, a novel microscopic strain mapping technique has been developed based on the analysis of surface topography using digital image correlation (DIC) software. The input is a series of scanning electron microscopy (SEM) images. The method uses topographic features (such as surface slip traces) found in these images as the input. A commercially available optical strain measurement system (ARAMIS®, which is a trade name of the equipment from GOM mbH, Braunschweig, Germany) that utilizes the DIC methodology is used for this purpose. It was found that the best results were obtained using an incremental approach in which DIC is used to map the local strain increments following a modest amount of macroscopic deformation. This is essential when using topographic features such as slip traces that are not static. The accuracy and scale of the measurements are affected by image and facet size. The method has been validated, based on in situ deformation of an aluminium alloy within an SEM, using strains measured independently by means of surface indents. The results clearly reveal the details of the local shear on a sub-grain-size scale and the evolution of shear bands within the necking area, leading to local strains that exceed the average strain by a factor of 2.3.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».