深度学习是由传统神经网络发展的一类机器学习算法，通过类似脑神经网络的深度学习模型，让计算机像人一样在真实世界中吸收、学习和理解复杂的信息，完成高难度的识别任务，可用于字符定位、识别，缺陷检测，图像分类，目标检测。

　　深度学习基于一定的数据基础，所以在深度学习前需要对大量的数据集进行训练，参与训练的数据集，需要进行标签的标注，需要尽可能的保证数据的多样性，对分辨率要求较低，以字符定位为例，需要至少150张的图片样本。

深度学习工作流程:

深度学习的特点：

　　省人工:无需特定工程师*优化作业，自动提取特征;

　　效果好: 可检测传统算法难以检测的缺陷;尤其目标特征不规则、不规律;

　　稳定性：兼容缺陷变化、成像变化，如: 位置、方向、视角、光照、周围物体;

　　速度快：训练快、见效快、落地快;

　　易维护：节省现场调试周期，方便升级，系统越用越好;

注意事项：

　　深度学习功能模块对电脑配置要求较高。深度学习分类、目标检测、文本定位、字符识别模块显存要求至少4G以上;需要搭配1060及以上显卡。深度学习缺陷检测，训练工具显存需要4G及以上;需要搭配1080及以上显卡。推荐使用技嘉GTX1080Ti、华硕GTX1080Ti、英伟达GTX1080Ti显卡。