<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Gao S. </author>
     <author>Lin X. </author>
     <author>Huang Y. </author>
     <author>Chen Z. </author>
     <author>Chen H. </author>
    </authors>
   </contributors>
   <titles>
    <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</title>
   </titles>
   <keywords>
    <keyword>лазерно-искровая эмиссионная спектроскопия</keyword>
    <keyword>аддитивное производство</keyword>
    <keyword>быстрая идентификация</keyword>
   </keywords>
   <dates>
    <year>2025</year>
    <pub-dates>
     <date>2025-05-20</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <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.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/19399</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/19340</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
