深度学习软件的工作原理
神经网络通过实例学习做出判断性的决定
深度学习软件使用一组代表部件已知的功能特征、异常和类别的已标记图像进行培训，就像对人类检查员进行培训一样。在监督培训期指导系统识别明显的缺陷。对于以多种形式出现的缺陷，系统在无人监督模式下通过自我培训来了解物体的正常外观，包括其重要但可接受的差异。
根据这些有代表性的图像，软件创建出参考模型。这是一个持续改进的迭代过程，在此过程中可以调整参数并验证结果，直到模型的运行与所预期的相符合。在运行时，软件从一组新图像中提取数据，其神经网络定位部件、提取异常并进行分类。
