ඒකක
1. ලෝහ විද්‍යාවේ කෘතිම බුද්ධිය හැඳින්වීම: සීමාවන්, වලංගුකරණය, වගකීම සහ ආචාර ධර්ම 2. ද්‍රව්‍ය තේරීම සහ තීරණ ආධාරක පද්ධතිවල AI 3. විශේෂාංග පුරෝකථනය සහ ව්‍යුහය-ක්‍රියාවලි-දේපල සබඳතා (යන්ත්‍ර ඉගෙනීම) 4. CALPHAD ප්‍රවේශයේ අදියර රූප සටහන්, තාප ගති විද්‍යාව සහ AI 5. ක්ෂුද්‍ර ව්‍යුහ රූප විශ්ලේෂණය සහ ප්‍රමාණාත්මක ලෝහ විද්‍යාව 6. තාප පිරියම් කිරීම සහ ක්රියාවලි පරාමිතීන් ප්රශස්තකරණය කිරීමේදී AI 7. නිෂ්පාදන ක්‍රියාවලි: වාත්තු කිරීම, වෙල්ඩින් කිරීම සහ ආකලන නිෂ්පාදනය පිළිබඳ AI 8. තත්ත්ව පාලනය, දෝෂ හඳුනාගැනීම සහ සංඛ්‍යානමය ක්‍රියාවලි පාලනය 9. හානි විශ්ලේෂණය, මූල හේතුව සහ බිඳීම් විමර්ශනය පිළිබඳ AI 10. සංලක්ෂිත දත්ත පරිවර්ථනය: XRD, SEM/EDS, DSC සහ යාන්ත්‍රික පරීක්ෂණ 11. සම්මත විමර්ශනය, අනුකූලතාවය සහ සත්‍යාපන විනය 12. පයිතන් සමඟ AI හි ලෝහමය දත්ත විශ්ලේෂණය සහ මායිම්
ඒකකය 5 / 12

ක්ෂුද්‍ර ව්‍යුහ රූප විශ්ලේෂණය සහ ප්‍රමාණාත්මක ලෝහ විද්‍යාව

ලාභ:

  • රූප සැකසීම සහ AI සමඟ ක්ෂුද්‍ර ව්‍යුහ රූප වලින් ධාන්ය ප්‍රමාණය, අදියර අනුපාතය සහ සිදුරු වැනි ප්‍රමාණ මැනීමේ හැකියාව
  • ඛණ්ඩනය, එළිපත්ත සහ ක්‍රමාංකන පියවර නිවැරදිව වින්‍යාස කිරීමට සහ පරිමාණ දෝෂ වැළැක්වීමේ හැකියාව
  • සම්මත ලෝහ විද්‍යාත්මක ක්‍රමය සහ විශේෂඥ නිරීක්ෂණ සමඟින් AI හි ක්ෂුද්‍ර ව්‍යුහ අර්ථ නිරූපණය හරස් වලංගු කිරීමේ හැකියාව

වානේවල තද බව, තද බව සහ තෙහෙට්ටුව එහි ක්ෂුද්‍ර ව්‍යුහය තුළ සැඟවී ඇති අතර එය පියවි ඇසට නොපෙනේ: ධාන්ය ප්‍රමාණය, අදියර අනුපාත, සිදුරු (හිස්), ඇතුළත් කිරීම් (ලෝහයේ ඔක්සයිඩ් / සල්ෆර් අවශේෂ) සහ වර්ෂාපතන බෙදා හැරීම. ලෝහ විද්‍යාව යනු අන්වීක්ෂයක් යටතේ ද්‍රව්‍ය කැපීම, ඔප දැමීම සහ කැටයම් කිරීම (රසායනිකව මතුපිට කැටයම් කිරීම සහ අවධීන් දෘශ්‍යමාන කිරීම) මගින් ද්‍රව්‍ය පරීක්ෂා කිරීමේ විද්‍යාවයි. ප්‍රමාණාත්මක ලෝහ විද්‍යාව යනු මෙම රූපවලින් සංඛ්‍යාත්මක ප්‍රමාණ (ධාන්‍ය ප්‍රමාණය අංකය, අදියර ප්‍රතිශතය, සිදුරු අනුපාතය) මැනීමයි. කෘත්‍රිම බුද්ධිය සහ රූප සැකසීම මගින් අතින් ගණනය කිරීම පැය ගණන විනාඩි දක්වා අඩු කළ හැක; නමුත් වැරදි ලෙස ක්‍රමාංකනය කරන ලද පරිමාණයක් හෝ දුර්වල ඛණ්ඩනයක් සියලු සංඛ්‍යා නිශ්ශබ්දව වැරදි කරයි. මෙම ඒකකය තුළ ඔබ AI සහ රූප සැකසීම සමඟ ක්ෂුද්‍ර ව්‍යුහ රූප මැනීම සහ එක් එක් මිනුම සත්‍යාපනය කරන්නේ කෙසේදැයි ඉගෙන ගනු ඇත.

රූපය මත පදනම් වූ මිනුම්වල මූලික පියවර

ප්‍රමාණාත්මක ලෝහ විද්‍යාවේදී, සෑම මිනුමක්ම එකම දාමය හරහා ගමන් කරයි; මුද්දක් කැඩී ගියහොත්, ප්රතිඵලය විශ්වාස කළ නොහැකි වනු ඇත:

  • රූපයේ ගුණාත්මකභාවය: අවධානය යොමු කිරීම, ආලෝකය සහ කැටයම් කිරීමේ ගුණාත්මකභාවය. දුර්වල ලෙස කැටයම් කළ නියැදියක, මායිම් නොපැහැදිලි වේ.
  • ක්රමාංකනය: පරිමාණ තීරුව පික්සල බවට පරිවර්තනය කිරීම. එක් පික්සලයක් මයික්‍රොමීටර කීයක් ද? මෙම පියවර මඟ හැරියහොත්, සම්පූර්ණ මානය මැනීම වැරදි පරිමාණයෙන් එළියට එනු ඇත.
  • ඛණ්ඩනය: රූපය උනන්දුවක් දක්වන කලාපවලට බෙදීම - කුමන පික්සලය ධාන්ය ද, කුමන පික්සලය මායිම ද, කුමන පික්සලය සිදුරු ද යන්න.
  • එළිපත්ත: අළු තානයකින් හෝ වර්ණ එළිපත්තකින් අදියර/අවකාශ වෙන් කිරීම. අදියර දෙකක් විවිධ දීප්තියකින් යුක්ත නම්, එළිපත්ත ඒවා වෙන් කරයි.
  • මිනුම් සහ සංඛ්‍යාලේඛන: ධාන්‍ය ගණන් කිරීම, ප්‍රදේශ අනුපාතය, ප්‍රමාණය බෙදා හැරීම ගණනය කිරීම.

AI-බලගන්වන මෙවලම් (ගැඹුරු ඉගෙනුම්-පුහුණු ඛණ්ඩන ආකෘති) සරල එළිපත්තට වඩා හොඳින් ක්‍රියා කරයි, විශේෂයෙන් සංකීර්ණ, බහු-අදියර ව්‍යුහයන් මත. නමුත් AI හි ඛණ්ඩනය ද අනාවැකියකි; සම්මත ක්‍රමයක් සමඟින් පරිමාණ ක්‍රමාංකනය සහ ප්‍රතිඵල හරස් පරීක්‍ෂා කිරීම (උදා., ASTM E112 ධාන්ය ප්‍රමාණය, ASTM E562 ස්ථාන ගණන) අනිවාර්ය වේ.

අවධානය: වඩාත්ම පොදු සහ වඩාත්ම ද්රෝහී වැරැද්ද වන්නේ පරිමාණය ක්රමාංකනය කිරීමට අමතක වීමයි. රූපය ප්‍රමාණාත්මකව "ලස්සන" ලෙස පෙනෙනු ඇත, නමුත් පික්සල සිට මයික්‍රොමීටරය දක්වා පරිවර්තනය වැරදි නම්, ධාන්ය ප්‍රමාණය 8 µm වෙනුවට 25 µm වන අතර ඔබට එය නොපෙනේ. ක්‍රමාංකනය සත්‍යාපනය කිරීමෙන් සෑම මිනුම් සැසියක්ම ආරම්භ කරන්න.

පියවරෙන් පියවර: AI බලයෙන් ක්‍රියාත්මක වන ක්ෂුද්‍ර ව්‍යුහය මැනීම

  1. අරමුණ නිර්වචනය කරන්න: ඔබ මනින්නේ කුමක්ද? ධාන්ය ප්රමාණය, අදියර අනුපාතය හෝ porosity? කුමන ප්රමිතියකින්ද?
  2. ක්රමාංකනය කරන්න: පරිමාණ තීරුවේ පික්සල් දිග මැන, µm/පික්සල් අනුපාතය ගණනය කර එය මෙවලමට ඇතුල් කරන්න.
  3. පෙර-ක්‍රියාවලිය: ප්‍රතිවිරුද්ධ නිවැරදි කිරීම, ශබ්දය අඩු කිරීම. සුදුසු ෆිල්ටරය කුමක්දැයි AI ගෙන් විමසන්න.
  4. කොටස / එළිපත්ත: වෙනම අදියර හෝ හිඩැස්; මායිම් නිවැරදිව අල්ලාගෙන ඇත්දැයි දෘෂ්යමානව පරීක්ෂා කරන්න.
  5. මිනුම: ප්‍රදේශ අනුපාතය, ධාන්‍ය ගණන, මධ්‍යන්‍ය සහ ව්‍යාප්තිය.
  6. සත්‍යාපනය කරන්න: ප්‍රතිඵලය සම්මත ක්‍රමය සමඟ අතින් සංසන්දනය කරන්න (උදා: රේඛීය අන්තර් ඡේදනය එදිරිව ධාන්ය ප්‍රමාණය); පින්තූර කිහිපයක් මත නැවත නැවත කරන්න.

ධාන්ය ප්රමාණය, අදියර අනුපාතය සහ සිදුරු

ධාන්ය ප්රමාණය ද්රව්යයේ ස්ඵටික ධාන්යවල සාමාන්ය ප්රමාණය; කුඩා ධාන්‍ය සාමාන්‍යයෙන් ඉහළ ශක්තියක් සහ තද බවක් ලබා දෙයි (හෝල්-පෙච් සම්බන්ධතාවය). එය ASTM E112 ධාන්‍ය ප්‍රමාණයේ අංකය G මගින් දැක්වේ; G වැඩි වන විට, ධාන්ය කුඩා වේ. අදියර අනුපාතය යනු ද්වි-හෝ බහු-අදියර ව්‍යුහයක එක් එක් අදියරෙහි පරිමාව/ප්‍රදේශයේ ප්‍රතිශතයයි (උදා: ෆෙරයිට්-ඔස්ටෙනයිට් සමතුලිතතාවය ද්විත්ව මල නොබැඳෙන විට ~50/50% සඳහා ඉලක්ක කර ඇත). Porosity යනු වාත්තු වල වායුව හෝ හැකිලීම නිසා ඇතිවන හිස් තැන් වල අනුපාතය වන අතර තෙහෙට්ටුව ජීවිතය බරපතල ලෙස අඩු කරයි.

මැනීම

සම්මත ක්රමය

AI/රූප සැකසුම් දායකත්වය

විවේචනාත්මක සත්යාපනය

ධාන්ය ප්රමාණය (G)

ASTM E112 ඡේදනය/සංසන්දනය

ස්වයංක්‍රීය මායිම් හඳුනා ගැනීම සහ ගණන් කිරීම

ක්රමාංකනය + අතින් ඡේදනය පාලනය

අදියර අනුපාතය (%)

ASTM E562 තිත් ගණන

එළිපත්ත සහිත ප්‍රදේශ අනුපාතය

එචිං ඒකාකාරිත්වය, එළිපත්ත තේරීම

සිදුරු (%)

ASTM E1245 රූප විශ්ලේෂණය

අභ්යවකාශ ඛණ්ඩනය

ඔප දැමීම කෞතුක භාණ්ඩ වෙනස්කම් කිරීම

ඇතුළත් කිරීම

ASTM E45

හැඩය/බෙදාහැරීම වර්ගීකරණය

විමර්ශන අච්චු සංසන්දනය

කුඩා නඩු තුනක්

නඩුව 1 - ක්රමාංකනයකින් තොරව ධාන්ය ප්රමාණය. කාර්මික ශිල්පියෙකු ක්ෂුද්‍ර ව්‍යුහ රූපයක් AI බලයෙන් ක්‍රියාත්මක වන මෙවලමකට පටවන අතර ධාන්ය ප්‍රමාණය මනිනු ලැබේ; ප්රතිඵලය 6 µm වේ. කෙසේ වෙතත්, රූපය 500x වෙනුවට 200x විශාලනයකින් ගන්නා ලද අතර, පෙර සැසියේ ක්‍රමාංකනය (500x) මෙවලමෙහි පැවතුනි. සත්‍ය ධාන්‍ය ප්‍රමාණය ~15 µm වේ. වැරදි අගයක් Hall-Petch හරහා ශක්තිය තක්සේරුව නොමඟ යවයි. සෑම සැසියකදීම පරිමාණ තීරුව නැවත ක්‍රමාංකනය කිරීමට කාර්මික ශිල්පියා පුරුදු වී සිටී. පාඩම: ක්රමාංකනය නියැදිය සහ විශාලනය විශේෂිත වන අතර එය රැගෙන යා නොහැක.

නඩුව 2 - කැටයම් කෞතුක වස්තුව අදියර ලෙස වරදවා වටහාගෙන ඇත. ෆෙරයිට්/ඔස්ටෙනයිට් අනුපාතය ඩුප්ලෙක්ස් මල නොබැඳෙන එකකින් මනිනු ලැබේ. 62% ෆෙරයිට් අනුපාතයක් ලබා දෙමින් ෆෙරයිට් සඳහා දැඩි ලෙස කැටයම් කර ඇති ප්‍රදේශවල අඳුරු පැල්ලම් එළිපෙහෙළි කිරීම වැරදියි; සත්‍ය ශේෂය ~48% වේ. අතිරික්ත ෆෙරයිට් විඛාදනය සහ තද බව පිළිබඳ ව්‍යාජ අනතුරු ඇඟවීමක් නිර්මාණය කරයි. ලෝහ විද්‍යාඥයා විසින් කැටයම් කිරීමේ කාලය ප්‍රමිතිගත කිරීමෙන් සහ අතින් ස්ථාන ගණන් කිරීම සමඟ ප්‍රදේශ කිහිපයක් පරීක්ෂා කිරීමෙන් පසු දෝෂය සොයා ගනී. පාඩම: දුර්වල සාම්පල සකස් කිරීම හොඳම ඇල්ගොරිතම පවා මෝඩයි - කුණු ඇතුලට, කුණු පිටතට.

නඩුව 3 - නිවැරදි භාවිතය, සිදුරු සිතියම. වාත්තු කණ්ඩායමකට ඇලුමිනියම් කොටසක හරස්කඩේ සිදුරු අනුපාතය මැනීමට අවශ්‍ය වේ. AI ඛණ්ඩන ආකෘතිය ඉක්මනින් හිඩැස් වෙන් කර 2.3% සිදුරු සහිත බෙදාහැරීමේ සිතියමක් ලබා දෙයි. ඔප දැමීමේදී ඇති වන සීරීම් හිස් තැන් ලෙස වරදවා වටහාගෙන නැති බව කණ්ඩායම දෘශ්‍යමය වශයෙන් පරීක්ෂා කරයි, ASTM E1245 අනුව ප්‍රතිඵලය තහවුරු කරයි, සහ පෝෂක ප්‍රදේශයේ සිදුරු සාන්ද්‍රණය වී ඇති බව දකිමින් වාත්තු සැලසුම වැඩි දියුණු කරයි. AI වේගය ගෙනාවා, ප්‍රමිතියෙන් සහ නිරීක්ෂණයෙන් තීරණයක් ගත්තා.

පිටපත් කළ හැකි ඉක්මන් සැකිලි

මිනුම් සැලැස්ම සැකිල්ල"භූමිකාව: ඔබ ප්‍රමාණාත්මක ලෝහ විද්‍යා සහායකයෙකි. අරමුණ: [ධාන්ය ප්‍රමාණය / අදියර අනුපාතය / සිදුරුකම] මැනීම. ද්‍රව්‍ය: [...]. විශාලනය: [...]. සම්මත: [උදා. ASTM E112]. මට පියවරෙන් පියවර මිනුම් සැලැස්මක් ලබා දෙන්න: නියැදි සකස් කිරීම, නියැදි සකස් කිරීම, ආදිය පළමු සහ අනිවාර්ය ප්‍රතිඵලය ලෙස ඛණ්ඩනය / එළිපත්ත, මැනීම සහ සත්‍යාපනය අතින් හරස් පරීක්‍ෂා කළ යුතු සම්මත ක්‍රමය මට කියන්න.

ඛණ්ඩනය කිරීමේ දෝෂ පරීක්ෂා කිරීමේ අච්චුව "මම ක්ෂුද්‍ර ව්‍යුහ රූපයක් මත [අදියර/පරතරය] ඛණ්ඩනය කර ඇත. වැරදි විය හැකි කරුණු ලැයිස්තුගත කරන්න: etch පුරාවස්තු, ඔප දැමීම සීරීම්, ක්ෂේත්‍රයෙන් පිටත කලාපය, අතිච්ඡාදනය වන සීමාවන්. එක් එක් පරීක්ෂා කරන්නේ කෙසේද සහ එය නිවැරදි කරන්නේ කෙසේද යන්න ලියන්න. ප්‍රතිඵලය පිළිගැනීමට පෙර මා කළ යුත්තේ කුමක්ද?

ධාන්‍ය ප්‍රමාණයේ අර්ථ නිරූපණ අච්චුව "මම ASTM E112 ධාන්ය ප්‍රමාණයේ අංකය G = [අගය], විශාලනය [x] මැනිමි. මෙම G අගය ආසන්න සාමාන්‍ය ධාන්‍ය විෂ්කම්භයට අනුරූප වන ආකාරය සහ Hall-Petch අනුව ශක්තිය මත එහි බලපෑමට අනුරූප වන ආකාරය පැහැදිලි කරන්න. G අගය පියවරෙන් පියවර ප්‍රතිඵලය ක්‍රමාංකනය කරන ආකාරය මත රඳා පවතින බව මට මතක් කරන්න;

PYTHON IMAGE සැකසුම් ඇටසැකිල්ල සැකිල්ල"භූමිකාව: ඔබ රූප සැකසුම් කේත සහකාරයා වේ. scikit-image සහිත ක්ෂුද්‍ර ව්‍යුහ රූපයක් මත අදියර ප්‍රදේශ අනුපාතය ගණනය කරන ඇටසැකිලි කේතය ලියන්න: (1) µm/පික්සල් විචල්‍යය පැහැදිලිවම ඉහළින් (පරිමාණයේ සිට පරිමාණය දක්වා) සංකෝචනය (g2 පරිමාණය සඳහා) එළිපත්ත, (4) ප්‍රදේශ අනුපාතය, (5) ප්‍රතිඵලය මුද්‍රණය කිරීම එක් එක් පියවරට අදහස් එක් කරන්න, අගය සහ ක්‍රමාංකනය අතින් සත්‍යාපනය කළ යුතු බව.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ප්‍රොම්ප්ට්: "මෙම ක්ෂුද්‍ර ව්‍යුහයේ ධාන්ය ප්‍රමාණය මට කියන්න."

ශක්තිමත් ප්‍රොම්ප්ට්:"භූමිකාව: ඔබ ප්‍රමාණාත්මක ලෝහ විද්‍යා සහායකයෙකි. මට ASTM E112 අනුව ධාන්ය ප්‍රමාණය මැනීමට අවශ්‍යයි. රූපය 500x, පරිමාණ තීරුව 50 µm = 240 පික්සෙල් (එනම් 0.208 µm/පික්සල්). මට රේඛීය ප්‍රමාණය කොපමණදැයි ඡේදනය කිරීමේ ක්‍රම, රේඛීය ප්‍රමාණය අනුව ගණනය කිරීමට පියවර දෙන්න. ගණන් කරන්න, මට ක්‍රමාංකනය සත්‍යාපනය කිරීමට අවශ්‍යයි, ප්‍රතිඵලය G අංකයට පරිවර්තනය කරන්න ඔබට අවසාන ප්‍රතිඵලය 'කියවීමට' නොහැක; ක්‍රමය සකසන්න."

දුර්වල ප්‍රේරකය මඟින් රූපය "කියවීමට" AI ගෙන් ඉල්ලා සිටී - නමුත් AI පරිමාණය සහ කැටයම් නොදන්නා අතර සාදන ලද අංකයක් ඉදිරිපත් කළ හැකිය. ප්‍රබල විමසුම මඟින් ක්‍රමාංකනය පැහැදිලි කරයි, සම්මත ක්‍රමය ඉල්ලා සිටී, පුනරාවර්තනය සහ සත්‍යාපනය අවශ්‍ය වේ, සහ AI භාවිතා කරන්නේ ක්‍රම සැකසීමේ මෙවලමක් ලෙස මිස මිනුම් නොවේ.

පොදු වැරදි

  • පරිමාණය ක්‍රමාංකනය කිරීමට අමතක වීම හෝ පෙර සැසියේ ක්‍රමාංකනය සමඟ මැනීම.
  • නරක/ඒකාකාරී නොවන කැටයම් නිවැරදි නොකර ඛණ්ඩනය මත විශ්වාසය තැබීම.
  • ඔප දැමීමේ සීරීම් හෝ පැල්ලමක් සිදුරු/අදියර ලෙස වරදවා වටහා ගැනීම.
  • තනි ප්රදේශයකින් මැනීම සහ සම්පූර්ණ සාම්පලයට සාමාන්යකරණය කිරීම; සංඛ්යාලේඛන ක්ෂේත්ර කිහිපයක් අවශ්ය වේ.
  • AI විසින් රූපය "දැක" ඇතැයි උපකල්පනය කර එය ලබා දෙන නිශ්චිත අංකය සත්‍යාපනය නොකර එය භාවිතා කරයි.
  • ඛණ්ඩනය කිරීමේ ප්‍රතිඵලය දෘෂ්‍යව පරීක්ෂා නොකර පිළිගැනීම.

සාරාංශයක් ලෙස

ප්‍රමාණාත්මක ලෝහ විද්‍යාවේදී, AI සහ රූප සැකසීම මඟින් ධාන්ය ප්‍රමාණය, අදියර අනුපාතය සහ සිදුරු මැනීම වේගවත් කරන අතර සංකීර්ණ ව්‍යුහයන් ප්‍රබල ලෙස කොටස් කිරීම සක්‍රීය කරයි. කෙසේ වෙතත්, ප්‍රතිඵලවල වලංගු භාවය රඳා පවතින්නේ පරිමාණ ක්‍රමාංකනය, හොඳ නියැදි සකස් කිරීම සහ සම්මත ක්‍රමය සමඟ හරස් වලංගුකරණය (ASTM E112/E562/E1245) මතය. ක්‍රමාංකනය පළමු පියවර බවට පත් කරන්න, ඇසින් ඛණ්ඩනය පරීක්ෂා කරන්න, ප්‍රදේශ කිහිපයක නැවත නැවත කරන්න, සහ රූපය "කියවන" එකක් නොව, මිනුම් ක්‍රමය ස්ථාපිත කර කේතය ලියන මෙවලම ලෙස AI භාවිතා කරන්න.

යෙදුම් කාර්යය

ක්ෂුද්‍ර ව්‍යුහ රූපයක් (ඔබගේම සාම්පලයක් හෝ දේශන නියැදියක්) සහ පරිමාණ තීරු අගයක් ගන්න. "PYTHON IMAGE PROCESSING SKELETON" යන අච්චුව සමඟ, අදියර ප්‍රදේශ අනුපාතය ගණනය කරන කේතයක් සඳහා AI වෙතින් විමසන්න; µm/පික්සල් ක්‍රමාංකනය ඉහළින් ඇති බවත් කේතය තුළ ක්‍රියාත්මක කර ඇති බවත් සහතික කර ගන්න. කේතය ක්‍රියාත්මක කර ප්‍රතිඵලය වන ප්‍රදේශ අනුපාතය එකම රූපයේ අතින් ලක්ෂ්‍ය ගණන් කිරීම (10x10 ජාලකය) සමඟ සංසන්දනය කරන්න. ප්‍රතිඵල දෙක අතර වෙනස සහ විය හැකි හේතුව (ඉදිරිපත් තේරීම, කෞතුක වස්තුව) එක ඡේදයක ලියන්න.

පිරික්සුම් ලැයිස්තුව

  • [ ] මම පරිමාණ තීරුව පික්සලයට ක්‍රමාංකනය කර සෑම සැසියකදීම එය සත්‍යාපනය කළෙමි.
  • [ ] මම කැටයම්/නියැදි සකස් කිරීම ඒකාකාරී දැයි පරීක්ෂා කළෙමි.
  • [ ] මම ඛණ්ඩනය / එළිපත්ත ප්‍රතිඵලය දෘශ්‍ය ලෙස පරීක්ෂා කර කෞතුක වස්තු ඉවත් කළෙමි.
  • [ ] මම අවම වශයෙන් විවිධ ප්‍රදේශ කිහිපයක මිනුම නැවත නැවතත් කළෙමි.
  • [ ] මම සම්මත ක්‍රමයක් (E112/E562/E1245) සමඟ ප්‍රතිඵලය අතින් හරස් පරීක්‍ෂා කළෙමි.
  • [ ] මම AI භාවිතා කළේ ක්‍රමයක් සහ කේත මෙවලමක් ලෙස මිස රූපයේ "කියවන්නෙකු" ලෙස නොවේ.