Deep-learning-based deflectometry for simultaneous multi-surface measurement of freeform refractive optics

2021 ◽  
Author(s):  
Zhendong Wu ◽  
Daodang Wang ◽  
Jinchao Dou ◽  
Ming Kong ◽  
Lihua Lei ◽  
...  
Keyword(s):  
Deep Learning ◽  
Surface Measurement

scholarly journals Real-Time 3D Surface Measurement in Additive Manufacturing Using Deep Learning

2021 ◽  
Author(s):  
Liu Chenang ◽  
Wang Rongxuan ◽  
Zhenyu Kong ◽  
Babu Suresh ◽  
Joslin Chase ◽  
...  
Keyword(s):  
Deep Learning ◽  
Additive Manufacturing ◽  
Surface Morphology ◽  
Real Time ◽  
Learning Algorithm ◽  
Surface Measurement ◽  
Monitoring And Control ◽  
Deep Learning Algorithm ◽  
3D Surface ◽  
3D Surface Morphology

Layer-wise 3D surface morphology information is critical for the quality monitoring and control of additive manufacturing (AM) processes. However, most of the existing 3D scan technologies are either contact or time consuming, which are not capable of obtaining the 3D surface morphology data in a real-time manner during the process. Therefore, the objective of this study is to achieve real-time 3D surface data acquisition in AM, which is achieved by a supervised deep learning-based image analysis approach. The key idea of this proposed method is to capture the correlation between 2D image and 3D point cloud, and then quantify this relationship by using a deep learning algorithm, namely, convolutional neural network (CNN). To validate the effectiveness and efficiency of the proposed method, both simulation and real-world case studies were performed. The results demonstrate that this method has strong potential to be applied for real-time surface morphology measurement in AM, as well as other advanced manufacturing processes.

Deep-learning-based deflectometry for freeform surface measurement

2021 ◽  
Author(s):  
Jinchao Dou ◽  
Daodang Wang ◽  
Qiuye Yu ◽  
Ming Kong ◽  
Lu Liu ◽  
...  
Keyword(s):  
Deep Learning ◽  
Freeform Surface ◽  
Surface Measurement

Deep Learning

2009 ◽  
Author(s):  
Stellan Ohlsson
Keyword(s):  
Deep Learning

Surface measurement puzzle[ellipsis (horizontal)] the authors reply

1978 ◽  
Vol 57 (4) ◽  
pp. 10
Author(s):  
A. Harvie ◽  
J.S. Beattie
Keyword(s):  
Surface Measurement

Surface measurement puzzle[ellipsis (horizontal)]

1978 ◽  
Vol 57 (4) ◽  
pp. 10
Author(s):  
T.R. Thomas ◽  
H.C. Ward
Keyword(s):  
Surface Measurement

Intelligence artificielle : le futur de l’Orthodontie ?

2019 ◽  
Vol 53 (3) ◽  
pp. 281-294
Author(s):  
Jean-Michel Foucart ◽  
Augustin Chavanne ◽  
Jérôme Bourriau
Keyword(s):  
Big Data ◽  
Deep Learning ◽  
Intelligence Artificielle ◽  
Set Up

Nombreux sont les apports envisagés de l’Intelligence Artificielle (IA) en médecine. En orthodontie, plusieurs solutions automatisées sont disponibles depuis quelques années en imagerie par rayons X (analyse céphalométrique automatisée, analyse automatisée des voies aériennes) ou depuis quelques mois (analyse automatique des modèles numériques, set-up automatisé; CS Model +, Carestream Dental™). L’objectif de cette étude, en deux parties, est d’évaluer la fiabilité de l’analyse automatisée des modèles tant au niveau de leur numérisation que de leur segmentation. La comparaison des résultats d’analyse des modèles obtenus automatiquement et par l’intermédiaire de plusieurs orthodontistes démontre la fiabilité de l’analyse automatique; l’erreur de mesure oscillant, in fine, entre 0,08 et 1,04 mm, ce qui est non significatif et comparable avec les erreurs de mesures inter-observateurs rapportées dans la littérature. Ces résultats ouvrent ainsi de nouvelles perspectives quand à l’apport de l’IA en Orthodontie qui, basée sur le deep learning et le big data, devrait permettre, à moyen terme, d’évoluer vers une orthodontie plus préventive et plus prédictive.

Primäre ZNS-Lymphome: Vollautomatisierte Detektion und Segmentierung auf multiparametrischen MRT-Datensätzen mittels Deep-Learning

2020 ◽  
Author(s):  
L Pennig ◽  
L Lourenco Caldeira ◽  
C Hoyer ◽  
L Görtz ◽  
R Shahzad ◽  
...  
Keyword(s):  
Deep Learning
Sign in / Sign up

Export Citation Format

Share Document