神经网络技术检测半透明材料缺陷的新方法

俄罗斯的托木斯克科技大学开发了一种新方法，该方法使用神经网络技术来检测半透明材料中的缺陷，并且测量精度超过了所有其他方法。相关的研究结果发表在最近的“非破坏性评价”中。
红外加热装置（来源：俄罗斯托木斯克科技大学）玻璃纤维是由多种成分组成的复合材料。由于其良好的拉伸强度，它被广泛用于航空航天，汽车，能源和其他行业。
无损检测是任何现代材料生产和操作中必不可少的部分，包括测试材料的强度，可靠性和其他特性，以及测试材料中的结构缺陷。红外热成像是最常见的无损检测方法之一。
在此过程中，通常使用大功率光学灯加热材料，并使用热像仪监视表面温度。如果材料有缺陷，它将比完整的样品更快或更慢地加热或冷却。
因此，该方法可以在短时间内监视较大的表面而不与材料接触，从而更好地分析结果。但是，玻璃纤维的半透明性限制了这种无损检测方法的使用。
托木斯克工业大学无损检测与安全工程学院的研究员Alexei Moskovchenko说，在不透明的物体中，光首先被材料的表面吸收并转化为热量，然后表面的热量深深地扩散到材料中。材料。
。在半透明材料中，穿过材料的部分光被整个厚度吸收，这导致材料内部的加热不均匀，而不是材料的表面加热。
因此，基于表面加热的物理学的各种方法是无效的。研究人员开发了一种使用人工神经网络技术检测半透明材料中缺陷的新方法，主要包括用于检测的算法软件，其有效性取决于用于神经网络学习的数据，特定材料和材料的数量和质量。
设备，可以训练网络学习以使测量精度超过其他方法。目前，该软件正在实验室中进行进一步研究，研究人员计划继续改进该算法以提高其准确性。