MétaCan
Menu
Retour à la cohorte
Enregistrement W2079253359 · doi:10.7735/ksmte.2015.24.1.023

Improvement of Optical 3D Scanner Performance Using Atomization-Based Spray Coating

2015· article· en· W2079253359 sur OpenAlexaff
Behzad Valinasab, Maxym V. Rukosuyev, Jason Keonhag Lee, Junghyuk Ko, Martin Byung‐Guk Jun

Notice bibliographique

RevueJournal of The Korean Society of Manufacturing Technology Engineers · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueSurface Roughness and Optical Measurements
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésScannerMaterials scienceCoatingMicrometer3d scanningProfilometerTransparency (behavior)OpticsSpray nozzleSpray characteristicsComputer scienceComposite materialMechanical engineeringEngineeringSurface finishComputer visionPhysics

Résumé

récupéré en direct d'OpenAlex

The scanning quality can be influenced by reflective abilities of a surface. Transparency and glossiness of a surface can highly limit the scanning results. Various techniques have been developed to solve problems of reflective and transparent surfaces. As one of the most feasible and convenient solutions, a thin layer of coating with proper specifications is sprayed on surface for eliminating the problems of the surfaces. As the main goal is to keep the object geometry unchanged, then it is important to coat the surface with layers less than one micrometer in thickness. For this purpose, a newly designed atomization-based spray system has been developed and tested in sets of experiments to study its efficiency on scanning results while objects with the surface are in use. This paper presents the spray design process and then studies and compares the 3D scanning results of the surfaces coated with atomization-based and aerosol sprays.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,196 · 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

Citations41
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Korean Society of Manufacturing Technology EngineersMême sujetSurface Roughness and Optical MeasurementsTravaux en français237 207