13年开始接触深度学习，从最初判断其在工业检测不可落地（算力要求；图像相对Imagenet万物复杂度极低，可设计特征有限，用DL有点大材小用的感觉），到15~16年具体项目尝试，几年下来，得出一点点小结论：
在工业检测中，尤其是应用场景缺陷判别有尺寸基准情况下，建议是”图像处理+深度学习“相结合，图像处理主要负责旋转校正、图像滤波增强、准缺陷分割，深度学习主实现缺陷分类；准缺陷分割直接上深度学习分割，比如说Unet网络，目前看在线实施效率是一个关键瓶颈，可挑选小区域实施，其是背景复杂度比较高的情况下；
当然如果只是简单标示出缺陷，不涉及缺陷尺寸测量，深度学习分类也基本可达成项目目标；