在光学质量保证的图像处理中，当被测物体具有难以掌握的不同变化时，就使用深度学习。这方面的一个例子是车牌识别和标志阅读。当然，所有的汽车上都有车牌，但它们并不总是贴在同一个地方或有不同的字符集。另一个例子是任何模制部件的开裂或划伤标识。在这两个应用程序中，人类可以立即识别发生的错误，而经典的图像处理则不能。然而，深度学习提供了解决这个问题的方法。

模式被学习到一个神经网络中，然后被识别，即使它们出现在不同的位置，甚至在摄像机前被部分破坏。这保证了即使在非最佳条件下也能被监控系统识别。经典的评价仍然存在。因为正如一个人能够很好地识别一个模式一样，当涉及到模式或组件的确切尺寸问题时，他就失败了。这里的神经网络采用经典的图像处理工具进行测量。

这使得深度学习和经典成像的结合优于人类，因为神经网络是无疲劳的，而且从一开始它并不总是像大脑那样精确，而大脑在 15 分钟后已经显著降低了检测性能。

AI-MASTER 4.0 的扩展深度学习组件允许轻松解决复杂的检测任务。创新的软件从经验中学习并理解概念层次结构中的世界。概念的层次结构允许眼视觉支持的计算机通过简单的组合来学习复杂的概念。

AI-MASTER 允许您通过两种不同的选项集成深度学习：新AI-MASTER 4软件的深度学习库可以填充预先训练的网络或完全训练的网络。预先学习的网络比完全学习的网络需要更少的合格图像。这加快了预习网络的学习过程。经过预先训练的网络很快就可以使用了。

经过充分训练的网络是定制的，以适合您和您的任务。在这样做的过程中，我们将在人工神经网络中专门为您训练所需的图像。AI-MASTER 4 还具有许多新的深度学习和机器学习功能，以及许多预学习网络。