本课题组基于模态振型和双目立体视觉技术结合机器学习的方法，提出了一种位移—应变转换矩阵，该矩阵可以将测量得到的动态位移数据直接转换为动态应变数据。相关研究成果已发表于国际著名学术期刊《Review of Scientific Instruments》上。

传统的位移—应变转换矩阵是根据理论模型推导得到的，并不能反映物体所处的实际环境，也不能随着外界环境的变化而动态改变。针对这一问题，本课题组提出了一种能够随着外界环境变化而变化的位移—应变转换矩阵。通过双目立体视觉技术获得结构的振动位移，利用机器学习方法训练得到随环境改变的动态位移—应变转换矩阵。

实验研究显示，与传统的转换矩阵相比，结合环境因素，使用机器学习训练后的转换矩阵将动应变的识别准确率从48.84%提高到了97.89%。该方法在动应变测量领域提供了新的发展方向。相关科研工作得到了国家自然科学基金、中央高校基本科研业务费专项资金等项目的资助。