Speckle Pattern Improvements for Digital Image Correlation to Capture Small Strains in Tensile Tests on Rock
Notice bibliographique
Résumé
Digital image correlation (DIC) is a popular optical strain measurement technology for deformation analysis in rock mechanics laboratory testing. Although reliable and repeatable, traditional strain gauge and extensometer measurement techniques have drawbacks including high recurring cost and limited spatial distribution of data. DIC utilizes continuous photography and computer software to track paint speckle pixel displacements of a material deforming under load, producing a full-field strain map for each recorded increment. Although DIC presents an opportunity to overcome the limitations of traditional methods, significant precision and care is required to track typical total displacements of 0.005 mm (0.01% strain) in Brazilian tensile stress (BTS) tests of igneous and sedimentary specimens measuring 47.6 mm diameter. For computer algorithms to precisely track individual pixels between frames, it is often necessary to apply a unique speckle pattern conforming to several criteria to the rock specimen. A variety of speckle application techniques have been reported in rock mechanics literature; however, the importance of a high-quality speckle pattern and resulting influence on the accuracy of DIC results is frequently overlooked. The laboratory testing program in this research utilized 2-Dimensional DIC on BTS tests to investigate the cost, efficiency, ease of application, and effectiveness for several speckle application methods. In addition to testing traditional spraypaint, airbrush, and stamp application methods, an innovative laser engravement speckle application technique was developed in this research that provides more reliable DIC results. This research provides practical speckle pattern application recommendations for small strain 2D DIC measurements.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».