Podobný příklad jsme řešili u výrobce přístrojových desek do automobilů. Původní zadání znělo: „Na bocích přístrojové desky je bílý oválný díl, který funguje jako pojistný bezpečnostní prvek pro jinou komponentu. Slouží k tomu, aby v případě nehody deska neopustila své místo ve voze a nezranila posádku. Přístrojová deska je manipulována stále stejně a ani světelné podmínky se nemění.“
Ze zadání se zdálo, že konvenční metoda bude vhodnou volbou. Nicméně po vyvinutí a nasazení technologie do výroby se ukázalo, že zadání nebylo zcela přesné. Přístrojové desky se ne vždy pohybovaly stejně, světelné podmínky i pozice pojistného dílu se měnily, a dokonce se v kontrolovaném místě vyskytovaly i další komponenty, které v zadání nebyly. Výsledkem tak byl nadměrný počet NOK vyhodnocení.
Další cesta byla jasná – použití neuronových sítí a přidání silnějšího nasvětlení. Vytvořili jsme vlastní neuronové sítě na míru dané aplikaci, do kterých jsme zahrnuli snímky a data, které jsme získali z funkce konvenčního řešení. Výsledkem byl v zásadě bezchybný poměr OK a NOK vyhodnocení, dále rychlá možnost úprav a zahrnování změn podmínek ve výrobě (nový typ desek, změna pozice dílu, výskyt neočekávaných entit na snímku, jako je ruka operátora atd.).