MétaCan
Menu
Retour à la cohorte
Enregistrement W2145738700 · doi:10.1109/robot.2006.1641724

Visual measurement of MEMS microassembly forces using template matching

2006· article· en· W2145738700 sur OpenAlexafffund
Yasser H. Anis, James K. Mills, William L. Cleghorn

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCMC Microsystems
Mots-clésDisplacement (psychology)Microelectromechanical systemsMeasure (data warehouse)GRASPComputer scienceMatching (statistics)Process (computing)Computer visionArtificial intelligenceIdentification (biology)GrippersNonlinear systemMechanical engineeringEngineeringMathematicsMaterials sciencePhysics

Résumé

récupéré en direct d'OpenAlex

This paper describes a new visual force sensing method for measuring microforces acting upon the jaws of passive microgrippers used in the assembly of MEMS devices. The importance of force measurement during microassembly is to confirm the microgripper-micropart make a successful grasp and to also protect the microparts and microgripper from excessive forces which may lead to damage during the assembly process. In the proposed approach, the force measurement problem is reduced to a problem of determining the microgripper jaw displacement. A 3-D finite element model is developed to study the relation between the forces and the displacements. The resulting nonlinear force-displacement relationship is fitted into a second degree equation. Computer vision is used to measure the relative displacements of the right and left microgripper jaws with respect to the microgripper base during assembly. Patterns that were introduced to the microgripper during the design phase are used to measure those relative displacements through pattern identification. Two-dimensional pattern identification is performed using normalized cross correlation template matching, to estimate the degree to which the image and pattern are correlated

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,308
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 GPT0,296
Écart entre enseignants0,278 · 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 tête enseignante, 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

Citations15
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207