傳統機器視覺技術與深度學習方法之間存在明確的權衡。傳統機器視覺系統的性能和能效通過不斷地優化已近成熟，已經可以適用于眾多工業生產環境。但隨著缺陷類型增多、缺陷種類復雜化，傳統的機器視覺系統的應用程序變得難以編程。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統_精質視覺

twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統_精質視覺

　　深度學習所用的神經網絡是訓練得到而非編程得到，其快速發展大大提升了視覺應用的性能和成本效益，同時也減少開發機器視覺程序所需的時間，而且深度學習還可以提供更好的準確率和通用性，但是因對其的研究仍在進行中，技術尚未成熟，從而沒有大批量的進入工業生產。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統_精質視覺

　　對比傳統機器視覺技術和深度學習技術，其實都存在優勢和不足。而深度學習視覺系統結合兩者優勢，以深度學習為核心，通過訓練系統內的神經網絡，學習各零部件的形態特征，建立包含各零部件的深度學習模型，從而可以分析更加復雜的圖像、提高圖像的分析能力和自動視覺檢測的準確性、快速定位識別不同組件以此實現自動分類缺陷，最后完成檢測。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統_精質視覺