本文介绍了一种基于深度学习的系统，用于在X射线图像中识别铸造缺陷，结合转移学习以提高检测准确性。同时探讨了激光超声可视化测试（LUVT）在无损检测中的优势，并提出了一种基于扩散模型的自动化检测方法，以解决数据不足的问题。

本文介绍了一种基于高光谱图像和深度学习的无损检测技术，用于测量甜樱桃番茄的可溶性固形物（SSC）和果实硬度。实验结果表明，该技术的检测准确性分别提高了26.4%和33.7%。此外，研究还探讨了卷积神经网络在农业中的应用，如黑莓果实成熟度检测和红白葡萄分类，展示了深度学习在高光谱成像中的潜力。