复杂检查的深度学习
深度学习将人工检查员的自学能力与计算机化系统的速度和一致性结合
无论是定位、读取、检测还是分类感兴趣的功能特征，深度学习型图像分析与传统机器视觉的区别在于前者能根据独特的特征概念化和概括部件外观，即使这些特征有微小的变化或时有偏差也可以。
深度学习型图像分析较适合原本复杂的涂装表面检测：有微小变化但可接受的图案，以及无法使用空间频率方法排除的位置变量。深度学习擅长解决复杂的表面和涂装缺陷，例如转动、刷涂或发亮部件上的挂擦和凹痕。
深度学习技术使用模拟人类智能的神经网络来区分表面异常，同时能够处理复杂图案中的涂装差异。传统机器视觉方法难以理解视觉上相似的部件之间的差异和偏差，但深度学习在这方面有优势。像 Cognex Deep Learning 这样的深度学习型软件可以比人类或传统机器视觉解决方案更有效地执行判断性检测。
