作為計算機視覺最基本任務的影象分類任務，目前基於深度學習的解決方法非常成熟，可以參考tensorflow、pytorch、caffe、mxnet等深度學習平臺提供的例子；如果有充足的資料的話，可以直接使用這些基本模型進行影象分類。

使用ALFA深度學習套件，ALFA軟體使用神經網路演算法，模組化地解決機器視覺的各種問題，真正讓人工智慧走入機器視覺領域。ALFA讓每一臺自動化裝置有了大腦，有了像人一樣的學習能力，可以在不斷工作中積累經驗。

利用ALFA缺陷檢測模組工具的管理模式和ALFA分類模組的自動化檢測與分類，將會使汽車行業的金屬零部件檢測變得非常簡單。

首先需要收集大量的零部件檢測圖片作為學習樣本庫，其中包括正常品和殘次品，每種殘次品的檢測圖片至少包含一組以上。樣本庫中的樣本越多，學習效果越好，後續的檢測也會越準確。 接下來ALFA軟體透過圖片樣本庫進行訓練學習，併產生檢測的參照模型，這個學習過程只需要不到10分鐘，具體學習取決於電腦的硬體配置。 最後即可將ALFA用於實際的檢測中。

工業40是電腦加機械，就是機器人，擁有自我學習能力的，AI人工智慧型的就更加厲害了。工人失業是一定要到來的，只是時間問題。