越来越多机器视觉软件公司已在产品中部署深度学习技术。随著这些公司开发深度学习软件和工具，加上更多用户在其应用中成功部署，深度学习可能会日渐流行，在市场上更为普及。

　　据报导，Cognex于2017年收购的ViDiSystems即为其中之一。ViDiSystems是由运算科学博士RetoWyss于2012年创办。该公司开发的软件使用人工智能（AI）技术改善应用程序中的影像分析，该软件会对系统进行训练，以区分可接受的变化和缺陷。CognexViDiSuite由三种不同工具组成，包括夹具ViDiBlue，用于分割和异常检测的ViDiRed，以及用于物体和场景分类的ViDiGreen。Cognex这款深度学习软件专门针对检测应用，在制药、医疗产品、汽车、纺织、印刷和钟表业已有不少成功案例。

　　Cognex认为深度学习是对传统机器视觉的补充。传统的几何图案发现和边缘检测仍为用于机器人引导或其它精确测量的亚像素精度的最佳方法。深度学习在零件质量和其它基于范例的类人判断中最有价值，而且由于它是由范例来训练，因此不需要之前检查应用所需的高级视觉技能。

　　韩国机器视觉软件公司Sualab最近发布SuaKIT检测软件。这是基于来自各个工业场所的实际影像数据的资料库，而对主要功能进行分类。该软件的深度学习算法用正常和有缺陷产品的新影像，在30分内以高达1，000张2，048&TImes;2，048影像的速度做训练后，就能使用神经网络自动辨识缺陷值。

　　就算没有太多程序设计经验的用户也能使用该软件，因为它不需要逐个实例编码，而是透过收集和输入缺陷数据来自学。SuaKIT也能透过NVIDIA的CUDA技术，利用高效能GPU高速处理数据。

　　Sualab企业事业群副经理表示，使用深度学习可大幅降低检测过程中的错误。深度学习结合CUDA技术，使SuaKIT即使在需要高速度的制造过程中也能表现出比更高水平的性能。

　　德国公司MVTec也将深度学习技术融入其著名的Halcon和Merlic机器视觉软件产品中。自Halcon13以来，MVTec正在提供基于深度学习的光学字元辨识（OCR）。该软件现在包含基于深度学习技术的OCR分类器，可透过一些预训练字体来使用，因此能实现比之前所有分类法更高的阅读率。

　　此外，最新版Halcon能让用户进行基于深度学习算法的卷积神经网络（CNN）训练。而训练后的网络来自动分类对应于预定类别的影像数据。MVTecHalcon产品经理表示，客户能藉由使用Halcon自行培训的网络节省大量时间、精力和金钱。

　　例如，透过参考影像就能辨识缺陷类别，因此不再需要繁琐的编程。在工业机器视觉环境中，深度学习主要用于出现在许多应用中的分类任务，例如在工业产品的检验或零件的辨识。

　　另家开发深度学习软件的公司是CythSystems。其NeuralVision专为没有机器视觉经验的用户进行产品检查和分类。在传统机器视觉系统中，程序设计员在进行如孔检测，温度分析或宽度测量时，选择要应用于影像的分析算法，以检查影像并确定好的或不好的部分。

　　由于向系统提供相关物体的影像，并告知独特零件的外观，或其看到的是好或坏的零件，因此系统会应用数百万个算法来学习辨识看到的东西。透过向系统展示各种变化，如照明、阴影和环境，它将学会了解哪里些特征对于辨识零件重不重要。