I takt med, at der tænkes i stadigt mere fleksible produktionsanlæg, får produktionsvirksomheder et voksende behov for individuelt tilpassede løsninger. Her spiller sensorteknologi en særlig rolle. Behovene for analyse og overvågning af processer med kameraudstyr har i mange år været højere end traditionel regel baseret maskinvision har kunne håndtere, og derfor har det været nødvendigt at løse visse opgaver manuelt. Det er her, at neurale netværk kommer ind og byder på nye muligheder.
Inspireret af hjernens måde at lære på bringes udvikling af vurderingsmetoder på basis af træning med billeder og eksempler ind i en industriel automatiseret kamerasensor. For at komme i gang er det er nødvendigt enten at „lære“ kameraet, hvad der opfattes som „godkendt“ og „fejlbehæftet“, eller ved opgaver for typebestemmelse til produktsortering, hvordan de forskellige produkter ser ud. Det giver mere pålideligt, ensartet og konstant vurdering og tillader tilmed at genkende tidligere ukendte former og objekter.
Med implementering af teknologi og processer som deep learning står traditionelle industrielle sensorer over for et kvantespring i funktionalitet.