卷积神经网络识别材料织构的研究

　　本研究基于X射线衍射极图以及对应的织构体积分数，训练了一种可用于从中子衍射测量的织构数据中分析织构体积分数的卷积神经网络模型。然后，进一步分析了极图中不同晶面对于确定织构的重要性，发现训练的模型（220）晶面的极图对准确做出预测的影响最大。为了验证模型的噪声鲁棒性，通过引入不同强度的随机噪音来进行检验。结果表明，该深度学习框架在中子织构数据集上展现出了优异的织构特征识别精度和噪声干扰下的稳定预测性能，为中子衍射织构数据的智能解析提供了可靠的技术路径。