MétaCan
Menu
Retour à la cohorte
Enregistrement W2012773371 · doi:10.1016/j.procs.2012.06.021

Ultrasonic Non-Destructive Testing (NDT) Using Wireless Sensor Networks

2012· article· en· W2012773371 sur OpenAlexafffundabout
Ahmad El Kouche, Hossam S. Hassanein

Notice bibliographique

RevueProcedia Computer Science · 2012
Typearticle
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNondestructive testingComputer scienceWireless sensor networkUltrasonic sensorWirelessProcess (computing)Embedded systemTelecommunicationsComputer networkAcoustics

Résumé

récupéré en direct d'OpenAlex

This paper describes the integration of an ultrasonic-based non-destructive testing (NDT) with wireless sensor networks (WSNs) to continuously monitor material integrity during run-time. NDT is a technique that allows the examination of material properties without causing any damage to the material in the process. A wireless sensor network facilitates the collaborative effort to monitor a certain aspect without the need for expensive wired infrastructures. In this paper we describe the system architecture of a NDT system that is ultra low power, low cost, easy to use, and autonomously integrates into our WSN platform to collaboratively monitor the status conditions of industrial equipment. Our system was successfully deployed to monitor the thickness of a compound-metal (tungsten and steel) sheets used in vibration screens, which are utilized in the harsh industrial environments of the Oil-Sands, located in northern Alberta, Canada. The integration of the two technologies, WSN-based NDT, will bring about new applications in the field of low cost wireless material examination in real-time.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,243
Écart entre enseignants0,221 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2012
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProcedia Computer ScienceMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207