傳統(tǒng)的機(jī)器視覺(jué)技術(shù)需要將數(shù)據(jù)表示為一組特征，或輸入到預(yù)測(cè)模型，從而得出預(yù)測(cè)結(jié)果，這是完成制定動(dòng)作，較難適應(yīng)未來(lái)柔性化的生產(chǎn)需求，尤其是在缺陷類(lèi)型復(fù)雜化、細(xì)微化、背景噪聲復(fù)雜等場(chǎng)景越來(lái)越難適用。

搭載AI 深度學(xué)習(xí)功能后，機(jī)器視覺(jué)將原始的數(shù)據(jù)特征通過(guò)多步的特征轉(zhuǎn)換得到一種更高層次、更抽象的特征表示，并進(jìn)一步輸入到預(yù)測(cè)函數(shù)得到最終結(jié)果。

基于深度學(xué)習(xí)的機(jī)器視覺(jué)在理想狀態(tài)下可以結(jié)合機(jī)器視覺(jué)的效率與人類(lèi)視覺(jué)的靈活性，從而完成日趨復(fù)雜環(huán)境下的檢測(cè)，尤其是涉及偏差或極端環(huán)境，滿足更多下游對(duì)瑕疵精度、通用性的嚴(yán)苛要求。