紅外加熱裝置。

　　圖片來源：俄羅斯托木斯克理工大學官網

　　科技日報記者 董映璧

　　俄羅斯托木斯克理工大學開發出一種利用神經網絡技術檢測半透明材料缺陷的新方法，測量精度超過所有其他方法。相關研究結果發表在最近的《無損評估》上。

　　玻璃纖維是一種由多種成分組成的復合材料，由于其良好的抗拉強度，廣泛用于航空航天、汽車、能源和其他行業。無損檢測是任何現代材料生產和運營不可或缺的部分，包括檢測材料的強度、可靠性和其他特性，以及檢測材料中的結構缺陷。

　　紅外熱成像是最常見的無損檢測方法之一，在這一過程中，通常使用大功率光學燈加熱材料，并用熱像儀監控表面溫度。如果材料有缺陷，將比完整的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監測較大的表面而不會與材料接觸，較好地分析結果。但是玻璃纖維的半透明性，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。

　　研究人員開發的使用人工神經網絡技術檢測半透明材料缺陷的新方法，主要包括檢測時使用的算法軟件，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，可以對網絡學習進行訓練，使測量精度超過其他方法。

　　目前，該軟件正在實驗室進一步研究，研究人員計劃繼續改進算法以提高其準確性。