由于缺乏全面的数据集和缺陷类型的多样性,自动检测增材制造的 Ti6Al4V 材料中的微观结构缺陷面临巨大挑战。本研究介绍了一种应对这些挑战的新方法,即开发专门针对扫描电子显微镜 (SEM) 图像的微观结构缺陷数据集 (MDD)。我们使用此数据集训练和评估了多个 YOLOv8 模型(YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l 和 YOLOv8x),以评估它们在检测各种缺陷方面的有效性。主要结果表明,YOLOv8m 在精度和召回率之间实现了平衡,使其适用于可靠地识别各种缺陷类型中的缺陷。另一方面,YOLOv8s 在效率和速度方面表现出色,尤其是在检测“孔隙”缺陷方面。该研究还强调了 YOLOv8n 在检测特定缺陷类型方面的局限性以及与 YOLOv8l 和 YOLOv8x 相关的计算挑战。我们的方法和发现有助于科学地理解增材制造中的自动缺陷检测。MDD 的开发和 YOLOv8 模型的比较评估通过提供检测微结构缺陷的强大框架来推进知识水平。未来的研究应侧重于扩展数据集和探索先进的 AI 技术,以提高检测准确性和模型泛化能力。
摘要。对量子时代的技术进步需要安全的通信,量子计算和超敏感的传感能力。分层量子材料(LQM)具有显着的光电和量子性能,可以将我们引入量子时代。电子显微镜是在原子和纳米尺度上测量这些LQM的首选工具。另一方面,LQM的电子辐照可以修改各种材料特性,包括产生结构缺陷。我们回顾了不同类型的结构缺陷,以及电子弹性和非弹性造成的诱导过程。使用电子辐照的LQM的光电和量子性能的控制,包括创建单光子发射器。鼓励通过其他分层材料封装来保护电子辐射引起的LQM损坏。我们最终深入了解挑战和机会,包括使用电子束创建新的结构。
开发了用于激发和记录厚度 h S 300 ÷ 500∙10 3 纳米和直径 D 60 ÷ 100∙10 – 3 米的 SiO 2 /Si 圆盘状晶片中的阻尼弯曲共振的方法、设计和制造了用于测量结构敏感内耗 (IF) Q – 1 的装置。开发了用于无损检测圆盘状半导体基板中结构缺陷积分密度 nd 和破损层深度 h bl 的技术。通过测量谐波频率 f 0 、f 2 下的 IF 背景 Q – 1 0,可以通过实验确定振动圆盘的节点线。这样就可以对寻找这些节点线的理论计算进行修正,同时考虑到圆盘的线性尺寸及其连接方法。研究了 X 射线和电子辐照 SiO 2 /Si 盘状晶片板后的温度中频谱 Q – 1 ( Т )。结果发现,在测量过程中,Si 结构缺陷的退火会改变温度中频谱 Q – 1 ( Т ) 的形状。在以速度 V Δ T/ Δ t ≤ 0.1 K/с 加热 SiO 2 /Si 晶片板时,可以观察到由点缺陷形成的中频峰 Q – 1 M 。这使得能够确定辐射缺陷各向异性复合体重新取向的活化能 H 。通过建立中频背景参数 Q – 1 0 的稳定性,可以确定半导体晶片板及其基于的器件的抗辐射性。所提出的方法可用作控制微电子用半导体晶片板晶体结构缺陷的无损方法。
(57) 摘要 本发明公开了一种组合物,其包含热固性聚合物、促进宏观损伤闭合的形状记忆聚合物和用于分子级愈合的热塑性聚合物;该组合物能够通过仿生闭合然后愈合过程解决结构缺陷。在使用中,形状记忆聚合物用于使结构缺陷的表面接近,随后使用用于分子级愈合的热塑性聚合物允许热塑性聚合物移动到缺陷中,从而获得分子级愈合。热塑性塑料可以是纤维、颗粒或球体,其使用方法是加热到热塑性塑料熔点或高于其熔点的水平,然后将组合物冷却到热塑性塑料的熔点以下。本发明的组合物不仅能够闭合宏观缺陷,而且即使在先前愈合/修复的区域发生另一个伤口/损伤,也能反复闭合。
我们展示了如何同时控制 ZnO 薄膜的电和热传输特性,该薄膜是通过原型原子层沉积 (ALD) 工艺从二乙基锌 (DEZ) 和水前体制备的。关键的 ALD 工艺参数是在 DEZ 前体脉冲之后施加的 N 2 吹扫时间。我们利用 X 射线反射率测量来表征薄膜的生长特性,利用光致发光光谱来表征结构缺陷,利用电传输测量来表征载流子密度、电阻率和塞贝克系数,利用时域热反射测量来表征热导率。光致发光光谱数据表明,延长吹扫时间会产生结构缺陷,从而增加电子载流子密度;这可以解释薄膜电导率增强的原因。同时,缺陷可能会阻碍薄膜中的热传输。因此,实现电导率的同时增加和热导率的降低对热电学至关重要。此外,在光学和微电子领域中,人们非常希望对半导体 ZnO 薄膜的本征电传输特性进行简单的控制。
摘要 - 飞机的结构健康监测(SHM)是应用的精致技术之一,可确保飞机的可使用,安全性和可靠性。传统的SHM方法依靠物理模型和专家判断来识别和评估损害。传统方法可以消耗更多的时间,而且价格昂贵。他们可能无法诊断和检测某些类型的损害。机器学习(ML)是一种强大的工具,可用于自动化和提高SHM的准确性。ML已成为一种有前途的方法,用于自动化飞机内部和外部损害的诊断和预后过程,从而改善了维护实践并增强了操作安全性。本文描述了SHM所涉及的总体发现和挑战,讨论了该领域采用的各种ML算法和方法,并提出了案例研究,强调了ML技术在检测和预测结构缺陷方面的有效性。本文还讨论了机器学习过程的科学应用,以识别和纠正任何飞机中的结构缺陷和挑战。我们将讨论SHM可以促进的不同类型的ML算法以及如何应用ML来管理和改善飞机健康状况的一些例子。
改编自 Moore,1993 年和美国胎儿酒精综合症组织 (NOFAS) 2009 年的《身体结构可能出现重大缺陷的发育时期》。《身体结构可能出现重大功能缺陷和轻微结构缺陷的发育时期》。 *此胎儿图表显示怀孕 38 周。由于很难确切知道受孕时间,医疗保健提供者会从女性最后一次月经周期开始的 40 周计算其预产期。
引言由于构建太比特容量的非易失性存储器集成电路和在神经形态计算中的应用前景看好[1],基于电介质电阻切换的存储器设备领域的研究数量呈指数级增长。由于缺乏理想的电介质、通过结构缺陷限制电流泄漏以及隧道效应,基于电荷存储的存储单元已经接近缩放的物理极限。相反,在基于电阻切换机制 (ReRAM) 的存储单元中,不需要理想的电介质,但其局部缺陷区域的结构必须限制在纳米级。在外部电场的影响下,该区域中的阳离子-阴离子电荷传输导致电介质结构缺陷发生局部可逆变化,这种变化在外部表现为单元电导率的逐步变化和高阻状态(HRS 或 RESET 状态)和低阻状态(LRS 或 SET 状态)之间的电阻切换。这些状态是在暴露于具有特定极性、持续时间和幅度的开关脉冲后建立的。在没有外部电场的情况下,理想的忆阻器(具有记忆功能的电阻器)能够在单元电阻的固定值下根据需要长时间维持HRS和LRS。因此,忆阻器存储单元中的一比特信息以结构变化的形式存储在两个导电电极之间封闭的电介质的局部区域中。只有两级电阻(一位)的忆阻器集成到交叉结构[2–6]中,并以3D配置
结构,使用实体元素来映射实验台组件,使用面元素来映射覆盖段,基于使用物理缺陷,以小值力的形式,允许正确的计算结果,证明与实验结果令人满意地一致。但必须强调的是,非线性分析是一种多价方法,结果的质量取决于边界条件映射的正确性和正确数值方法集的应用。因此,计算结果绝对应该通过适当的实验进行验证,基于设计过程中未经验证的非线性数值分析结果,导致形成不合格的结构缺陷。