DLIA深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。DLIA深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。DLIA深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

区别于传统的浅层学习，虚数科技的深度学习已经在缺陷检测系统上应用过，为国内外百家企业提供检测服务，虚数科技正在探索应用的路上。随着在行业内多年的沉淀，DLIA深度学习缺陷质检基于工业机器视觉的表面缺陷检测技术已经取得了质的发展，实现了例如自动ROI区域分割、标点定位（通过仿真视觉可灵活检测未知瑕疵）、从重噪声图像重检测无法描述或量化的瑕疵如橘皮瑕疵、分辨玻璃盖板检测中的真假瑕疵等功能。

DLIA深度学习缺陷质检系统不单单可以检测精密构造件，如金属表面的划痕、斑点、孔洞，纸张表面色差、压痕，玻璃等非金属表面的夹杂、破损、污点等等都可以。产品不同，要求不同，检测也不同，如，光伏行业的晶硅电池片的缺陷检测，从原料切割过程中会产生的隐形裂痕，到最终分选都可以使用机器视觉。