MétaCan
Menu
Retour à la cohorte
Enregistrement W4403249565 · doi:10.1016/j.procir.2024.08.372

Structured-light 3D Scanning Performance in Offline and In-process Measurement of 3D Printed Parts

2024· article· en· W4403249565 sur OpenAlexafffund
Moustapha Jadayel, Farbod Khameneifar

Notice bibliographique

RevueProcedia CIRP · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueIndustrial Vision Systems and Defect Detection
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clés3d printed3d scanningStructured lightProcess (computing)3D printingEngineering drawingMaterials scienceComputer scienceEngineeringManufacturing engineeringMechanical engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents a geometric analysis comparison of structured-light 3D scanners against coordinate measuring machines (CMMs) in measuring 3D printed plastic parts. The resulting geometric analysis of a 3D printed part measured with a contact probe on a CMM and measured with a structured light 3D scanner is presented, along with an error analysis that includes a statistical comparison of the measured geometric deviation. This analysis is then used to determine if structured-light 3D scanners are reliable enough to perform a GD&T analysis of specific features. This paper also presents the results of in-process 3D scanning and compares them to offline 3D scanning to determine the suitability of in-process 3D scanning for comprehensive analysis of geometric deviation and GD&T features.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
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 GPT0,237
Écart entre enseignants0,218 · 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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcedia CIRPMême sujetIndustrial Vision Systems and Defect DetectionTravaux en français237 207