深度学习引入了“端到端学习”的概念，即向机器提供的图像数据集中的每张图像均已标注目标类别。深度学习中的独特优势使其在缺陷自动检测中具备重要的实用价值，攻克了传统算法被复杂背景干扰、无法对缺陷类型稳定分类等问题。

在功能应用上，深度学习更适合目标分类，需要对大量检测目标样本进行训练，处理量大，自然环境下的检测精度一般在80%左右，需要采用高性能的GPU处理设备提高检测速度。当然，深度学习目标识别分类也可以应用在：材料类缺陷检测、表面缺陷检测、可变形物体定位等。

深度学习目标识别分类广泛应用于农业与食品加工、汽车制造、电子与半导体、医疗保健、制药业、金属零件、机械制造、产品包装、钢铁和金属、安防监控、Al视觉检测、大型工业设施、室内定位与AR导航等各个行业领域，深受市场喜爱，这是智能工厂的雏形，也是未来工厂的选择。