A Distributed Reflector Localization Approach to Ultrasonic Array Imaging in Non-Destructive Testing Applications
Notice bibliographique
Résumé
In array-based immersion ultrasonic non-destructive testing (NDT), an ultrasonic array and a solid test sample are immersed in water for the purpose of imaging and flaw detection inside the test sample. In such a test scenario, the upper surface of the test sample has two effects: i) it produces a strong interference signal in the backscattered received signal, and ii) its shape determines the array spatial signature of every point inside the material under test. Hence, in immersion NDT, to achieve a precise localization of a crack inside a test sample, the knowledge of the shape of the upper surface of the test sample is required. In this paper, we propose a distributed reflector modeling approach to characterize the interface between water and a solid test sample as well as any crack inside the solid test sample. This approach relies on the so-called incoherently distributed reflector modeling, where a distributed reflector can be modeled as infinitely many point sources located close to each other. Using such an approach, we present a model for the array data, and then develop a covariance fitting based technique to estimate the parameters of the shape of the interface between the two media and those of the shape of a crack inside the test material. Our numerical experiments show that our proposed approach yields a lower root mean squared error for the parameter estimates, compared to a state-of-the-art method, called root mean squared velocity technique.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».