神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的法数学模型。金刚石切割片神经网络由神经元构成，不同的神经元的组合、信息传导、信息理与信息存储决定了不同的神经网络的特性。神经网络的功能与其内部神经元连接方式 、处理方式与互联结构密切相关。
神经元，又称神经元或神经细胞，是神经系统的结构与功能单位之一，在马路切割片神经网络中，神经网络本身由不同的神经元构成，并且神经元与神经元之间相互关联每个神经元都表示一种特定输出的函数，称为激励函数。每两个神经元之间的关都表示一种对于通过该关联信号的加权值，称为权重。神经网络输出层要依赖神网络内神经元之间的连接方式。马路切割片神经元模型的建立包括两部分，一部分是神经元建模，另一部分是激励函数的选择。 神经元的建模最早是由心理学家 McCulloch数学家 W. PittS 在分析总结神经元基本特性的基础上首先提出的，当时的模型是 MP模型, 后来很多研究者将此模型不断改进形成目前被广泛应用的神经元模型。
神经网络解决问题的能力与功效除了与网络结构有关外， 在很大程度上取于网络所采用的激励函数。激励函数的基本作用主要包括：控制输入与输出的激活作用;将可能无限域的输入变换成指定的有限范围内的输出。一般情况下，一个马路切割片神经网络是线性或非线性取决于神经网络中的激励函数的性质 ; 换句话激励函数的线性或非线性决定了神经网络的线性或非线性。常用的激励函数有值型激励函数、线性型激励函数、非线性斜面函数和S型激励函数。其中S型励函数具有非线性放大增益，对任意输入的增益等于在输入/输出曲线中该输入的曲线斜率值, 函数本身及其导数都是连续的，因此在处理上十分方便。
金刚石切割片神经网络的网络结构分为前馈型网络和反馈型网络两种，其中前馈型网络有单层神经元网络模型结构和多层神经元网络模型结构。并且，神经网络的训练方法也分为有导师指导的学习和无导师指导的学习。这里根据检测系统的需要择了多层映射逆传播、有导师指导学习的BP神经网络作为研究模型。
通过阅读涡流检测的文献得知，绝大多数的金刚石切割片涡流检测文献中都应用了神经络法，并且很多是用来进行缺陷的分类，部分用来进行定量分析。神经网络是一门交叉学科，是通过程序实现模拟人脑的结构和功能的一种系统。 通过输入的大量样本，进行自适应训练，得出一些非线性关系的模型，能够任意逼近任何非性映射，在很多领域中都得到了大量的应用。
涡流检测中的影响因素太多，导致对涡流检测的定量分析研究很难有进展，金刚石切割片神经网络的出现使得涡流检测的定量分析有了新进展，并且通过对神经网络的进和开拓又有了多种差异化的定量分析方法，如BP网络法、RBF网络法等。