神經網絡有助於識別玻璃鋼中的缺陷

玻璃鋼是由玻璃纖維加固的聚合矩陣構成的復合體材料，廣泛應用在航空航天、汽車製造、能源和其它行業中，擁有良好的堅固性和質量比。無損檢測（Nondestructive testing，NDT）是生產和使用包括玻璃鋼在內的任何現代材料的不可分割的一部分——分析堅固性、可靠性和其它特性，使設施不出故障或被毀壞即可找到其中的結構缺陷。

一個最常見的無損檢測方法是紅外熱譜法，在其過程中材料被加熱，借助紅外成像儀控制表面溫度。

他們說，上述方法有助於無需接觸材料即可在短時間內檢查目測結果良好的大多表面，但玻璃鋼的半透明性則限制採用這種無損監測方法。

“在不透明的物體上，光被材料表面所吸收，轉化成熱。接下去，表面的熱擴散到材料深處。在半透明材料中，部分光穿透材料，被全部厚度所吸收。結果取代表面受熱的是，在半透明材料的深處發生了立體但不均衡的受熱。相應地，建立在表面加熱物理學基礎之上的各種方法就無效了”，——托木斯克理工大學無損檢測和安全工程學院研究生阿列克謝·莫斯科夫琴科解釋說。

學者們研究出了借助人工神經網絡來確定半透明材料缺陷深度的新方法。他們說，這種方法的效果取決於被用來教神經網絡的數據的數量和質量。對一些材料和設備來說，可以把神經網絡訓練到使其測量精度超過所有其它方法的程度。

研究者們把所獲得的算法引進到軟件中，目前這些軟件正在實驗室中開展工作。學者們計劃未來完善算法，以提高精度，並同時優化程序價值和所花費時間。