De identificatie van scheuren in plaatstructuren is een kritiek element in het beheer van onderhouds- en kwaliteitsborgingsprocessen in mechanische en civieltechnische constructies. NDT-technieken (Non-Destructive Testing) zijn gebaseerd op een breed scala aan fysieke principes en worden in de praktijk gebruikt voor Structural Health Monitoring (SHM). Bovendien zijn NDT-technieken meestal beperkt in hun vermogen om de juiste informatie over scheuren (locatie, lengte en vorm) te voorspellen, wat belangrijk is in technische toepassingen, zoals SHM in vliegtuigconstructies. Daarom hebben verschillende onderzoekers de uitgebreide eindige-elementenmethode (XFEM) gebruikt om de problemen met de breukmechanica te bestuderen met behulp van inverse analyse, wat veel tijd kost voor de voorspelling. Daarom zal dit project bijdragen tot een beter en dieper begrip van gebarsten platen met behulp van uitgebreide Isogeometrische analyse (XIGA) en experimentele metingen met snelle voorspelling op basis van nieuwe methoden met behulp van Machine Learning (ML) en Deep Learning (DL) technieken.