MétaCan
Menu
Retour à la cohorte
Enregistrement W7116827080 · doi:10.11159/ijci.2025.026

A Workflow for Integrating Point Cloud Data and Eddy Current Measurements into 3D Digital Modelling of Existing Steel Structures

2025· article· W7116827080 sur OpenAlexvenueno aff
Ayako Akutsu, Rikuo Omae, Eiichi Sasaki

Notice bibliographique

RevueInternational Journal of Civil Infrastructure · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueStructural Health Monitoring Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWorkflowCloud computingPoint (geometry)Key (lock)Point cloud

Résumé

récupéré en direct d'OpenAlex

This paper presents a workflow that integrates point cloud data and pulsed eddy current measurements for developing 3D digital models that accurately represent the actual condition of existing steel structures, including areas affected by corrosion and subsequent retrofitting.The proposed workflow combines external geometric information obtained through terrestrial 3D laser scanning with internal material and thickness information derived from pulsed eddy current testing, thereby enabling both surface and subsurface conditions to be incorporated into a unified digital modelling framework.To evaluate its feasibility, a case study was conducted on a steel tubular column located in a coastal environment that had experienced corrosion and multiple reinforcement interventions.The workflow was applied to construct a finite element model capable of reproducing complex geometries and variable plate thicknesses caused by damage and repair, demonstrating the applicability of the proposed modelling process to deteriorated steel members.In addition, laboratory experiments were performed to examine the applicability of pulsed eddy current testing for estimating the thickness of overlapping steel plates, which cannot be captured by laser scanning alone.The results confirmed that the eddy current technique can provide internal information necessary for complementing point cloud-based surface models, thus improving the completeness of digital representations.Overall, this integrated workflow has the potential to enhance the accuracy and efficiency of structural modelling and assessment.By linking external and internal inspection data within a single digital framework, the proposed method supports data-driven decision-making for the maintenance and life-cycle management of ageing steel infrastructure.

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)0,002
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0050,002
Science ouverte0,0030,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0260,015

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 Opus0,083
Tête enseignante GPT0,367
Écart entre enseignants0,285 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueInternational Journal of Civil InfrastructureMême sujetStructural Health Monitoring TechniquesTravaux en français237 207