Exploring quality inspection and grade judgment of distortion defects in the fabrication of spectacle lenses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study explores the quality control system featuring visual inspection and grade judgment for detecting distortion defects in spectacle lens fabrication. Spectacle lenses must be precisely curved to help accommodate nearsightedness and farsightedness. The curved shape allows the lens to have different curvatures in different areas during grinding. The spectacle lens will be prone to optical distortion when the curvature changes abnormally. Accordingly, this study proposes an automatic distortion flaw inspection system for spectacle lenses to substitute professional inspectors who rely on empirical judgment. We first apply the digital imaging of a concentric circle pattern through a testing lens to create an image of that lens. Second, the centroid–radii model is employed to stand for the shape property of each concentric circle in the image. Third, by finding the deviations of the centroid radii for detecting distortion flaws through a small variation control method, we obtain a different image showing the detected distortion regions. Four, based on the distortion amounts and locations, we establish the fuzzy membership functions and inference rulesets to measure distortion severity. Finally, the GA-ANFIS model is applied to determine the quality levels of distortion severity for the detected distortion flaws. Trial outcomes reveal that the proposed automatic inspection system can help practitioners in spectacle lens fabrication, for it attains a high 94% correct classification rate of quality grades in distortion severity, 81.09% distortion flaw detection rate, and 10.94% fake alert rate, in distortion inspection of spectacle lenses.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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