MétaCan
Menu
Retour à la cohorte
Enregistrement W4410698728 · doi:10.1016/j.ndteint.2025.103439

High-resolution non-destructive detection of grinding burns with NV diamond quantum magnetometer

2025· article· en· W4410698728 sur OpenAlexaff
Baptiste Vindolet, Benjamin Ducharne, Xavier Mougenot, Christophe Gallais, T. Hingant

Notice bibliographique

RevueNDT & E International · 2025
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDiamond and Carbon-based Materials Research
Établissements canadiensSafran Electronics (Canada)
Organismes subventionnairesAgence Nationale de la Recherche
Mots-clésMagnetometerGrindingDiamondQuantumQuantum sensorMaterials scienceForensic engineeringNuclear engineeringEngineeringPhysicsMetallurgyQuantum technologyMagnetic fieldQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Grinding burns compromise the mechanical integrity and fatigue life of high-performance mechanical components. Traditional detection methods (nital etching, microstructural imaging, etc.) are either destructive, hazardous, or unsuitable for rapid inspections. Usual magnetic nondestructive testing (NDT) techniques offer an alternative but often fail to isolate the specific effects of grinding burns from other material properties. This study introduces a novel NDT approach utilizing Nitrogen-Vacancy (NV) centers in diamond magnetometer for the detection of grinding burns. NV centers are quantum defects in the diamond lattice that enable chemical-free, contactless quantitative vector magnetic field measurements with high spatial resolution and sensitivity and no calibration effort. NV technology was applied to detect grinding burns, successfully identifying all burns on a 16NiCrMo13 gearwheel regardless of their size or intensity. A preliminary magnetization of 20 mT was sufficient to detect even the weakest burns. Measurements over 10 × 10 mm areas were completed in minutes, with effective measurement times on the order of one second. This approach eliminates the need for hazardous chemicals and offers precise magnetic characterization, opening doors to large-scale industrial deployments.

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)0,000
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 enseignants0,033
Score d'incertitude au seuil0,651

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,008
Tête enseignante GPT0,260
Écart entre enseignants0,253 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNDT & E InternationalMême sujetDiamond and Carbon-based Materials ResearchTravaux en français237 207