面板在制造生产过程中，有多个站点会进行AOI(自动光学检查机)拍照，会产生大量的Defect照片，这些照片需要人员进行进一步识别分类，分类好的照片才能用于制程的监控与改善。人员识别照片会存在以下缺点：
1.人力成本增加，需要16名技术熟练的人员作业；
2.人员识别速度慢，产品生产周期会延长3天左右；
3.人员识别速度慢，制程不能及时得到监控，容易造成大批量的不良。
该项目运用深度神经网络，Python语言，Pytorch等深度学习框架，GPU加速训练出深度学习模型，实现自动判Code。准确率达到94.7%，减少人力成本方面直接年效益在100万以上，大幅改善了生产效率。