用神經網絡技術檢測玻璃鋼缺陷的高精度
俄羅斯托木斯克工業大學(Tomsk University Of Technology)開發了一種新的半透明材料缺陷檢測方法,其測量精度超過了所有其他方法。這項研究的結果發表在最近的"無損評估"上。
玻璃纖維是一種由多種構件組成的復合材料,以其良好的抗拉強度廣泛應用于航空航天、汽車、能源等行業。無損檢測是任何現代材料生產和運行中不可缺少的一部分,包括檢測材料的強度、可靠性等特性,以及測試材料中的結構缺陷。
紅外熱成像是最常見的無損檢測方法之一。在這一過程中,通常使用大功率的光學燈具對材料進行加熱,用熱像儀來監測表面溫度。如果材料有缺陷,它會比整個樣品加熱或冷卻得更快或更慢。因此,這種方法可以在短時間內不與材料接觸而對較大的表面進行監測,并能很好地分析結果。然而,玻璃纖維的半透明限制了這種無損檢測方法的使用。
托木斯克理工大學無損檢測和安全工程學院研究人員阿列克謝·莫斯科夫琴科表示,在不透明的物體中,光首先被材料的表面吸收并轉化為熱量,然后表面熱量擴散到材料深處。而在半透明材料中,一部分光穿過材料被整個厚度吸收,從而導致材料內部受熱不均勻代替了材料的表面受熱現象。因此,建立在表面受熱物理學基礎之上的各種方法就無效了。
人工神經網絡技術用于檢測半透明材料缺陷的新方法主要包括用于檢測的算法軟件,其有效性取決于用于神經網絡學習的數據的數量和質量。對于特定的材料和設備,可以通過網絡學習使測量精度比其他方法更精確。
目前,該軟件正在實驗室進行進一步研究,研究人員計劃繼續改進該算法,以提高其準確性。