參考資料可得，最小二乘法和神經網絡法是比較常用的方法，但是，對于釬焊金剛石鋸片的檢測數據來說，神經網絡法比最小二乘法更具有非線性，因此，對BP神經網絡原理進行分析。
BP網絡是一種單向傳播的多層前向網絡，由輸入層 (inputlayer)、隱含層 (hide layer) 和輸出層 (output layer) 節點構成，每一層節點的輸出只影響下一層節點的輸出，其網絡結構如圖 8-26 所示。其中u和y分別為網絡輸入、輸出向量，每個節點表一個神經元。
可將u 端放入采集的缺陷電壓信號，在y端放入缺陷長度和深度。釬焊切割片檢測系統數的BP神經網絡結構的隱層節點可為一層或多層，同層節點沒有任何耦合，前層節點到層節點通過權連接。輸入信號從輸入層節點依次傳過各隱層節點到達輸出層節點。
BP網絡具有以下兩個特點：
(l)信息的前向傳播處理。從信息處理的處理理解，網絡中的節點一般分為兩類：一類是網絡輸入端節點，它負責將外界信息輸入神經網絡中;另一類是隱含層或輸入層節點， 它可以對輸入節點內的信息進行處理。
從圖可看出，在息的處理過程中，信息從輸入層輸入， 上一層的輸出是下一層的輸入，信息逐層傳遞 ，沒有反饋回路。
(2) 誤差的后向傳播修整，即誤差反傳算法。誤差由輸出層逐層反向傳至輸入層，有誤差修改網絡權值，直至得到網絡權值適應學習樣本。其最終目的是使網絡中每一輸出單元的實際輸出在某種意義上逼近應有輸出。
一旦選定了目標函數形式，誤差糾正學習規則就變成了一個典型的最優化問題。誤差反傳算法可簡化為以下步驟：
① 網絡初始化，隨機設定權值和閾值的初始值;
② 具有上述初始值的神經網絡提供輸入學習樣本和序號;
③ 計算隱層單元輸出值;
④ 計算輸出層單元的輸出;
⑤ 計算輸出層單元偏差;
⑥ 判斷均方誤差是否滿足給定允許偏差，當滿足時轉到⑧,否則繼續執行后再由③順序進行;
⑦ 修正權值;
⑧ 結束訓練。
以上就是對釬焊金剛石鋸片檢測的神經網絡法的分析。