应科院研发出一种新的缺陷分析方法，以深度学习和机器学习来做缺陷分类。该深度学习模型是专为工业应用而定制和优化的，它拥有精确的多尺度机制，从而可以为高精度检测提供高精准的特征提取功能。此外，该模型还有自主学习能力，并可以自适应地调整和调优模型以提升其表现。该深度网络同样为高速工业应用进行优化。例如，网络平坦化技术减少了加速测试过程的网络复杂度，满足了产线上高单位时间产出（UPH）的需求。
基于此技术，我们可以开发出令人惊叹的工业应用。对高精度检测来说，现有的检测系统会遇到由生产线环境噪音所引起的误检测问题。该技术可以提取容易被忽略的复杂多模特征，从而避免了误检测并使得性能得到了提升。
我们提出的深度学习技术也可用作数据分析组件，对不同种类的缺陷做分类和数据统计。在我们的系统中，这些数据是实时处理的，而不是像现在的人工检测那样有时间的延迟。此外，经组织的数据会被应用于支持系统中，以改进制造过程中的生产周期。