I metodi classici di Digital Image Correlation (DIC) per la stima della deformazione planare si basano sulla comparazione tra lo stato non-deformato e quello deformato di un materiale. Una significativa limitazione di tali tecniche è quella di non poter essere applicate in scenari nei quali non si conosce la condizione iniziale del materiale.
Per superare questo limite ed estenderne l’applicabilità, è necessario sviluppare tecniche che dipendano solo dallo stato attuale del materiale per riconoscere la deformazione subita.
In questo contesto, il lavoro che vi proponiamo questa settimana presenta un metodo basato su deep learning sviluppato in collaborazione con il DIISM, per risolvere il problema della stima della deformazione planare a campo intero quando non è disponibile un’immagine di riferimento della configurazione non deformata.
L’articolo è disponibile qui: doi.org/10.1016/j.engappai.2026.114302