深度学习（可以通过人工神经网络等架构完成）通过处理数据和创建用于决策的模式模仿人类大脑的工作方式。HALCON 17.12 Progress是MVTec公司推出的最新HALCON版本，增添了用于图像数据分类的深度学习（Deep Learning）。深度学习是HALCON 17.12 Progress的最大亮点，用户可以使用CNNs（卷积神经网络）来训练自己的分类器，在训练CNN之后，用户可以在HALCON软件中使用神经网络对新的数据进行分类。该系统首先利用采集好的不同种类缺陷的药片图像，并利用CNN进行深度学习训练分类器，然后通过加载已训练好的分类器模型实现对药片缺陷的实时准确在线分类检测。
系统特点
实现对单个药片的精准分割
实现对不同缺陷药片的实时精确分类
训练简易、自动特征学习
识别效率较高
主要应用领域
在工业应用领域中，CNNs可用于缺陷分类（如：电路板、太阳能电池片表面缺陷等），或者对象分类（如：从单个图像中识别水果的类型）等。
深度学习还可以应用在图片识别、语音识别、情感识别、智能翻译等生活领域，还可应用在医疗行业（如肿瘤检测、药物发现等）、农业以及金融行业股价预测等。
系统组成
规格参数
工作流程
首先，读取HALCON提供的预训练DL分类器，根据提供的大量的分类好的样品图片，预处理为大小均一的预训练图片，设置训练需要的参数，进行重新训练，我们会获得新的DL分类器。之后，对新的分类器进行评估。评估合格之后，就可以利用新的分类器对新的图片进行分类工作。
商品标签
