MétaCan
Menu
Retour à la cohorte
Enregistrement W3025631406 · doi:10.1063/5.0007779

Quantitative photothermal lock-in thermography imaging of curved surfaces of cylindrical solids

2020· article· en· W3025631406 sur OpenAlexaff
Yu Liu, Ti Sun, Chinhua Wang, Andreas Mandelis

Notice bibliographique

RevueJournal of Applied Physics · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueThermography and Photoacoustic Techniques
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPhotothermal therapyThermographyInfraredOpticsMaterials scienceThermal diffusivityPhotothermal spectroscopyThermalRadiationThermal radiationPhotothermal effectLaserField (mathematics)Surface (topology)PhysicsGeometry

Résumé

récupéré en direct d'OpenAlex

We extend the applications of photothermal radiometric diagnostics to continuously curved cylindrical surface solids using lock-in thermography (LIT) imaging, in which both the photothermally induced surface temperature and the angularly dependent infrared radiation emitted by the curved surface are not constant. Specifically, a theoretical photothermal model is established based on the Green Function method from which the thermal-wave field distribution at different azimuthal angles on the curved surface is obtained and characteristics of the thermal-wave field with different material and measurement parameters/schemes are discussed. A laser-infrared photothermal lock-in imaging system for solid cylindrical samples is established, and the thermal diffusivity of AISI 304 cylindrical steel samples is measured directly based on the LIT images combined with empirically obtained infrared radiation angular distributions over the curved surfaces. The experimental results are in excellent agreement with the theory, which provides a fast and non-destructive quantitative tool for thermophysical evaluation of curved surface solids.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,217 · 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

Citations8
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysicsMême sujetThermography and Photoacoustic TechniquesTravaux en français237 207