MétaCan
Menu
Retour à la cohorte
Enregistrement W2029543515 · doi:10.1088/1742-6596/214/1/012080

Laser photothermal radiometric instrument for industrial steel hardness inspection

2010· article· en· W2029543515 sur OpenAlexaff
Xinxin Guo, Koneswaran Sivagurunathan, Michael Pawlak, José Ángel García García, Andreas Mandelis, Salvatore Giunta, Salvatore Milletari, Seema Bawa

Notice bibliographique

RevueJournal of Physics Conference Series · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRadiometric datingPhotothermal therapyMaterials scienceLaserIndentation hardnessOpticsMetallurgyRemote sensingGeologyNanotechnologyMicrostructurePhysics

Résumé

récupéré en direct d'OpenAlex

To meet the industrial demand for on-line steel hardness inspection and quality control, a non-contact, non-destructive laser photothermal radiometric instrument (HD-PTR) was developed. The instrument is equipped with a non-liquid-nitrogen-cooled HgCdZnTe (MCZT) detector, a National Instruments data acquisition card with a Dynamic System Analysis (DSA) module, and control software. A series of industrial steel samples which included automotive screws and aircraft gears (flat or curvilinear) were examined. The effective hardness case depths of these samples ranged from 0.21 mm to 1.78 mm. The results demonstrated that three measurement parameters (metrics) can be extracted when using a fast swept-sine photothermal method. These parameters include the phase minimum (or peak) frequency, fmin, the half width, W, and the area, S. It was found that they are complementary for evaluating widely different ranges of hardness case depths. fminis most suitable for large case depths, and W and S for shallower case depths.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,226
Écart entre enseignants0,198 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207