俄罗斯托木斯克理工大学开发了一种利用神经网络技术检测半透明材料缺陷的新方法，该方法比其他方法具有更高的测量精度。相关研究成果发表在最近的《无损评估》。
玻璃纤维是一种由多种成分组成的复合材料。由于其良好的抗拉强度，广泛应用于航空航天、汽车、能源等行业。无损检测是任何现代材料生产和操作中不可缺少的一部分，包括检测材料的强度、可靠性和其他特性，以及检测材料中的结构缺陷。
红外热成像是最常见的无损检测方法之一。在这个过程中，通常使用大功率光学灯来加热材料，并使用热成像仪来监控表面温度。如果材料有缺陷，它将比整个样品加热或冷却得更快或更慢。因此，这种方法可以在短时间内监测大面积表面，而不与材料接触，并更好地分析结果。然而，玻璃纤维的半透明性限制了这种无损检测方法的使用。
托木斯克理工大学无损检测与安全工程学院的研究员阿列克谢莫斯科夫琴科说，在不透明物体中，光首先被材料表面吸收并转化为热量，然后表面热量扩散到材料的深处。但在半透明材料中，一部分光通过材料被整个厚度吸收，导致材料内部受热不均匀，而不是材料表面受热。因此，基于表面加热物理的各种方法都是无效的。
研究人员开发的利用人工神经网络技术检测半透明材料缺陷的新方法主要包括检测中使用的算法软件，其有效性取决于用于神经网络学习的数据的数量和质量。对于特定的材料和设备，可以训练网络学习，使测量精度超过其他方法。
目前，该软件正在实验室进一步研究，研究人员计划继续改进算法，以提高其准确性。如果您有互联网问题，也可以咨询我，谢谢！如果你也想一起学习人工智能，欢迎留言交流。