俄罗斯托木斯克工业大学(Tomsk University Of Technology)开发了一种新的半透明材料缺陷检测方法，其测量精度超过了所有其他方法。这项研究的结果发表在最近的"无损评估"上。

玻璃纤维是一种由多种构件组成的复合材料，以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运行中不可缺少的一部分，包括检测材料的强度、可靠性等特性，以及测试材料中的结构缺陷。

红外热成像是最常见的无损检测方法之一。在这一过程中，通常使用大功率的光学灯具对材料进行加热，用热像仪来监测表面温度。如果材料有缺陷，它会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不与材料接触而对较大的表面进行监测，并能很好地分析结果。然而，玻璃纤维的半透明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和安全工程学院研究人员阿列克谢·莫斯科夫琴科表示，在不透明的物体中，光首先被材料的表面吸收并转化为热量，然后表面热量扩散到材料深处。而在半透明材料中，一部分光穿过材料被整个厚度吸收，从而导致材料内部受热不均匀代替了材料的表面受热现象。因此，建立在表面受热物理学基础之上的各种方法就无效了。

人工神经网络技术用于检测半透明材料缺陷的新方法主要包括用于检测的算法软件，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，可以通过网络学习使测量精度比其他方法更精确。

目前，该软件正在实验室进行进一步研究，研究人员计划继续改进该算法，以提高其准确性。