渦流檢測未來突破方向？

就渦流檢測中的簡單說一下，因為在最近最好看到一篇文章。在新型的檢測方法中，不得不融入新型的演算法，甚至離不開網際網路。

在後面說到的內容用到機器學習和神經網路，雖然我也不太懂。機器學習用得太廣了，機器學習主要分監督學習演算法，無監督學習演算法和強化演算法三類演算法。而具體怎麼實現，更是難點。

在這篇2018年發表於《NDT & E International》的論文《A novel machine learning model for eddy current testing with uncertainty》中就將機器學習用到了渦流檢測之中。介紹寫道：”機器學習是一種廣泛應用於大資料量分析的資料分析工具，已成功地應用於基於ECT方法的結構健康診斷和預測以提升渦流檢測系統的準確性。主成分分析和獨立成分分析在有效降低大資料維數和分離缺陷特徵方面發揮了重要作用。“

利用人工神經網路和支援向量機，透過學習基於渦流檢測的大量導電材料來估計裂紋形狀和尺寸。人工神經網路簡稱為神經網路或類神經網路，是一種運算模型，由大量的節點之間相互聯接構成。文章建立一種卷積神經網路體系結構，討論分析這種結果的不確定性，並提出了改進方法。

卷積神經網路體系結構示意圖

文章提出了一種新的基於卷積神經網路的缺陷分類模型，在不影響輸入樣本情況下，利用ROI檢測方法實現。與傳統的系統相比，這個模型擁有更高的精度和FDI，提出了一種與兩種型別樣本相關的具有不相等能值的加權損失函式的CNN模型，提高了傳統CNN模型的效能。

在不久的將來，無損檢測行業也會緊跟時代的步伐，面臨重大的技術革新，那時候可能不是幾大常規技術去概況。目前火熱的機器學習，神經網路用於檢測，目的是分辨缺陷型別，定標定位定量，節省時間的同時減少錯誤，我猜，有可能是未來的大方向吧。