适用类型：尺寸小、产量大，缺陷品和良品之间的界限比较模糊，人工检测时定性的成分大于定量，漏检误检严重。 解决问题：规格化、系列化产品表面瑕疵检测问题。 技术的特色：是通过定量实现了瑕疵的定性判别。

适用类型：多类型、大尺寸产品 解决问题：规格化、系列化产品表面瑕疵检测问题 技术的特色：学习缺陷而不学习外观，即使产线产品型号在快速切换，但是万变不离其宗，产线是不变的，产品缺陷种类也是不变的，一次样本收集与学习，终身推理

类人脑学习逻辑：主动增加训练数据复杂度， 算法模型进化程度处于行业领先。 样本利用效率高：学习样本量最少仅需数十个，数据需求量降低了数十倍以上。 快速迭代学习：数据动态增长，学习效果前后 照应，算法模型越用越聪明！ 类人脑学习逻辑：能以少量的计算步骤和能耗 即可准确抓取极高维度的时空信息。

超大型网络：网络参数规模达到了十亿级别 自研算法平台：成功自主研发了“MatQing算法平台” 检测准确率：> 99.9% 版本更新迭代：> 30次