MétaCan
Menu
Retour à la cohorte
Enregistrement W4318618116 · doi:10.1088/1757-899x/1266/1/012021

High-Speed Imaging Analysis of Laminated Fabric Tearing Behaviour

2023· article· en· W4318618116 sur OpenAlexaff
Laura Munevar‐Ortiz, John A. Nychka, Patricia I. Dolez

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTearingMaterials scienceBridging (networking)YarnServiceability (structure)Composite materialFracture mechanicsStructural engineeringComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Laminated fabrics are widely used in diverse industries because of their ability to adapt to many different functions. Understanding their tear force behaviour is critical to evaluate their serviceability. The tearing behaviour of laminated fabrics can be examined using high-speed imaging and analyzed using image analysis techniques. This technique is an attractive tool to elucidate the tearing behaviour of laminated fabrics. Through high-speed imaging it is possible to observe the tearing process on the fabric (e.g., yarns bearing the load before failure, yarn breaking behaviour) and membrane (e.g., pop-in crack length, crack propagation, formation of wrinkles, thinning) sides of the laminated fabrics to understand the tearing behaviour. In addition, this technique helps quantify different phenomena such as the membrane pop-in crack length, and crack wake bridging width by yarns. High-speed imaging analysis is a promising technique to visualize the tear phenomena in laminated fabrics.

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)0,002
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 enseignants0,175
Score d'incertitude au seuil0,926

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,019
Tête enseignante GPT0,250
Écart entre enseignants0,231 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetTextile materials and evaluationsTravaux en français237 207