神经网络有助于识别玻璃钢中的缺陷

玻璃钢是由玻璃纤维加固的聚合矩阵构成的复合体材料，广泛应用在航空航天、汽车制造、能源和其它行业中，拥有良好的坚固性和质量比。无损检测（Nondestructive testing，NDT）是生产和使用包括玻璃钢在内的任何现代材料的不可分割的一部分——分析坚固性、可靠性和其它特性，使设施不出故障或被毁坏即可找到其中的结构缺陷。

一个最常见的无损检测方法是红外热谱法，在其过程中材料被加热，借助红外成像仪控制表面温度。

他们说，上述方法有助于无需接触材料即可在短时间内检查目测结果良好的大多表面，但玻璃钢的半透明性则限制采用这种无损监测方法。

“在不透明的物体上，光被材料表面所吸收，转化成热。接下去，表面的热扩散到材料深处。在半透明材料中，部分光穿透材料，被全部厚度所吸收。结果取代表面受热的是，在半透明材料的深处发生了立体但不均衡的受热。相应地，建立在表面加热物理学基础之上的各种方法就无效了”，——托木斯克理工大学无损检测和安全工程学院研究生阿列克谢·莫斯科夫琴科解释说。

学者们研究出了借助人工神经网络来确定半透明材料缺陷深度的新方法。他们说，这种方法的效果取决于被用来教神经网络的数据的数量和质量。对一些材料和设备来说，可以把神经网络训练到使其测量精度超过所有其它方法的程度。

研究者们把所获得的算法引进到软件中，目前这些软件正在实验室中开展工作。学者们计划未来完善算法，以提高精度，并同时优化程序价值和所花费时间。