深度學習(DL, Deep Learning)是機器學習(ML, Machine Learning)領域中一個新的研究方向，它被引入機器學習使其更接近于最初的目標——人工智能(AI, Artificial Intelligence)。

深度學習是學習樣本數據的內在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音等數據的解釋有很大的幫助。它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。 深度學習是一個復雜的機器學習算法，在語音和圖像識別方面取得的效果，遠遠超過先前相關技術。

應用場景

1）字符識別，復雜場景下的字符識別，相對于傳統的OCR方案，識別質量大大提升

2）物品檢測

• 生產過程中，有粘貼吸管環節，可能出現粘貼不合格的情況
• 通過機器視覺技術，檢測吸管粘貼是否合格，不合格的做剔除處理
• 主要應用機器視覺的測量技術，測量吸管的粘貼角度來判別

• 生產過程中，有漏卷的情況存在
• 通過機器視覺技術，檢測是否存在漏卷，如果有，進行剔除處理
• 主要應用機器視覺的測量技術，模式識別技術，統計計數功能綜合判別

3）物品識別

叉車檢測，替代光幕，解決誤觸發問題