目前，国内工业视觉领域整体面临着任务挑战大、精度要求高、产业规模化应用难的问题。虽然，基于深度学习的解决方案已经受到广泛关注，但是具体到工业视觉应用的落地，依旧存在很多难题，这也对深度学习技术在横向拓展和纵向深入应用方面提出了一定的要求。

工业数据的极度短缺，亟需一种基于小样本深度学习的工业视觉检测系统实现精准检测。可靠稳定的AI模型需要通过丰富的数据进行训练，工业视觉应用对模型训练结果的准确率和精度要求极高，对大量产业数据的需求更高。然而，在目前的工业生产过程中，产生的有效数据极其有限，可供训练的样本极小。

针对工业视觉应用落地难题及技术趋势的要求，以深度学习为核心的“一体化+多场景”的DLIA工业缺陷检测软件的出现，将使视觉应用更容易在复杂工业场景中落地。