报告主题：热成像数据分析中基于物理信息神经网络的聚合物复合材料无损检测

报告时间：2023年5月31日（周三）下午14：00

报告地点：理工楼212会议室

报告摘要：脉冲热成像无损检测技术以其成本低、检测面积大、实现速度快等优点，在材料缺陷检测中得到了广泛的应用。在实验之后通常需要对数据进行处理分析，以减少噪声和非均匀背景的影响，并突出缺陷信息。然而，分析过程中物理信息常被忽略。除了热成像数据分析外，基于物理信息的数值模拟也是分析研究的热点方向，但未能充分利用实验数据。为了解决这一问题，提出了一种基于物理信息神经网络进行热成像数据处理的新方法，将深度神经网络的预测能力与以偏微分方程和边界条件表示的物理定律相结合，可以在建模中利用实验数据和物理信息。物理信息神经网络模型不仅提供了对原始热谱图背景的良好估计，且通过从原始热谱图剔除估计背景可突出表面/次表面缺陷的特征。案例研究发现所提出方法的性能是有效的。

主讲人：姚远，博士，清华大学（台湾新竹）教授、博导。1978年出生于杭州，于2001年和2004年分别获得浙江大学控制科学与工程学系的学士和硕士学位。其后赴香港科技大学化学工程与生物分子工程学系深造，于2009年取得博士学位。2009年至2011年，在香港科技大学高分子成型过程及系统中心任副研究员。2011年起，进入清华大学（台湾新竹）化学工程学系任教，现为该校教授。姚远教授担任Quantitative InfraRed Thermography Journal副主编。2015年，获得清华大学（台湾新竹）新进人员研究奖。于2016年获得“科学技术部”（台湾）优秀年轻学者研究计划。姚远教授为I&EC研究2020年最具影响力研究人员之一，发表SCI论文约100篇，出版2部专著，授权专利12项，主持人/共同主持人60余项科研项目。研究领域集中于人工智能在化工过程上的应用，包括但不限于过程数据分析、过程监控、软传感器技术和无损检测数据处理。