在工业机器视觉背景下，深度学习教会机器人和设备做人能够做的事情。通过样本学习，新的多层仿生的深度学习神经网络，可以训练出模拟人类在学习任务时的大脑活动，从而使视觉系统能够识别图像、感知趋势和理解代表缺陷的图像的细微变化。
在适当的情况下，设备利用深度学习和人工智能的感知网络对自动检查中的图像和对象特征进行分类，在过去近十余年中，我们提供了得益于神经网络图像处理而不断进步的设备，能够提供更精确和可重复的解决方案，这些解决方案可以根据视觉系统看到的越来越多而不断学习。
敏用智能的深度学习解决方案使用最新格式的神经网络，这为我们的机器视觉解决方案提供了样本学习的能力，并随着获取更多的样本而得到改进。深度学习将人类视觉系统的灵活性与计算机系统的一致性、可靠性结合起来。通过采集更多的图像和信息，深度学习神经网络可以持续不断地改进性能。
应用深度学习的人工智能(AI)技术将是进入21世纪20年代的一项关键技术，柔性制造的不断推广，使得这一关键技术在现代的工厂中变得更加关键，敏用智能团队可以通过这些知识和技术帮助客户解决相关的制造难题。
在高度结构化场景中，保持稳定的相机分辨率、光学和照明，机器视觉针对定量测量方面的需求表现良好。通过深度学习可以识别缺陷的变化，这些缺陷的表现可以不那么稳定，例如在图像中有纹理、光照、阴影或失真的变化。我们的深度学习视觉系统可用于表面检测、目标识别、零件检测和零件识别。人工智能深度学习有助于在传统机器视觉完成不了的情况下，在例如因生产和工艺限制而具有不同尺寸、形状、对比度和亮度的零件等情况下，也能快速稳定精准地工作。
机器视觉中，人工智能背景下的深度学习是制造业未来的一个重要应用。敏用智能解决方案正在不断研发和应用这种新技术，来解决过去过于复杂、耗时和基于传统机器视觉的制造业的检测任务。