在产品质量外观检测的世界里，人眼只能辨别那些大于 0.5 毫米大小的瑕疵还伴着巨大的误判风险。随着工作时间的延长，眼睛的疲劳和衰老更加增加了误判的风险。而传统的机器视觉检测在图像处理和瑕疵定位等方面有所欠缺，导致瑕疵检测的准确率低，性能不稳定，而且对于流水线实现智能自动检测非常有难度。由此可见，无论是传统的机器视觉检测，还是“肉眼”检测产品外观质量的能力和效率以及准确率和范围都是非常有限的。

深度学习的思想源自于“人工神经网络”，从大脑中汲取灵感，模拟人脑分析问题机制并建立分析学习的神经网络。神经网络的基本构建模块是人工神经元-模仿人类大脑神经元。正如大脑数十亿个神经元神经元分布在神经网络的几个层中，之间有数万个连接，深度学习模型涉及大量的计算单元，它们彼此交互时对所建模数据潜在分布的多层表征进行自主学习。