随着现代机械工业及制造业的不断发展,人们对工业产品的要求也在不断提升.现代工业产品不仅需要符合工业美感,也要保证产品质量.但目前许多企业对于工业机械表面质量控制不够重视,很难为企业创造宏观经济效益.总体来看,我国工业机械表面质量控制技术发展较慢,虽然在相关机械检测工作研发过程中引进了大量的高质量设备,但质量控制效果仍未达到理想目标,需采用更为先进的技术对目前的质量控制过程展开优化.根据工业机械控制的相关要求,以深入学习为核心的计算机辅助技术,为工业机械产业的发展提供了新的发展视角.深度学习(Deep Learning)是现代机器学习相关理论科技领域的重要研究点之一,可以看作是一类模拟分析方法的统称,就当前具体的研究内容来看,主要涉及以下3类方法:第一为卷积神经网络(CNN);第二为多层神经元编码,包括自编码与稀疏编码,第三为自编码神经网络技术的训练及神经网络权值的优化.从宏观角度来看,深度学习就是用简单模型完成复杂的既定分类任务,所以可将深度学习定义为特征学习或表示学习.当前深度学习技术已经被广泛应用于人工智能技术中.而在机械检测上,深度学习算法可有效结合现有的工业机械控制技术,并增加数据处理环节,增强质量控制计算能力,最终提升检测质量.