@article{Gao S. 2025-05-20,
author = { Gao S. ,  Lin X. ,  Huang Y. ,  Chen Z. ,  Chen H. },
title = {Быстрое выявление дефектов в металлических компонентах аддитивного производства с помощью лазерно-искровой эмиссионной спектроскопии в сочетании с нейронной сетью обратного распространения и алгоритмом случайного леса},
year = {2025},
publisher = {NP «NEICON»},
abstract = {Лазерно-искровая эмиссионная спектроскопия (LIBS) использована для быстрой идентификации дефектов в металлических компонентах аддитивного производства и контрольных групп без дефектов. По характеристическим эмиссионным линиям четырех элементов (Fe, Cr, Mn и Ti), выбранным из базы данных методом построения “случайного леса” (RF) классификационных деревьев, проведена классификация дефектов и бездефектных образцов методом k-ближайших соседей (KNN) и нейронной сетью с обратным распространением ошибки (BPNN). Сравнение эффективности классификации и результатов верификации моделей KNN, RF-KNN и RF-BPNN показало преимущество модели RF-BPNN, которая продемонстрировала в обучающем, тестовом и проверочном наборах наилучшую точность (99.4, 97.2 и 96.67% соответственно). Показано, что LIBS в сочетании с RF-BPNN можно использовать для обнаружения дефектов при 3D-печати металлических изделий.},
URL = {https://www.academjournals.by/publication/19399},
eprint = {https://www.academjournals.by/files/19340},
journal = {Журнал прикладной спектроскопии},
}