晶圓級晶片尺寸封裝 (WLCSP) 具有多層構造，並會因處理不佳、加壓過度 (也就是裝於焊球時) 或輸送過程粗魯，而受損形成微小裂縫。如果未能及早在流程中發現，這些裂縫會影響到晶片的品質、性能及壽命。

因為有這些結構風險存在，所以必須檢測 WLCSP。沿著 WLCSP 的側壁檢查是否有缺陷時，分層變化與微小裂縫之間的差異很難以辨別。基於規則的機器視覺難以分清這兩者之間的區別，原因是從側面檢視 WLCSP 時，背景既雜亂且對比度低，而使得所見的圖案令人困惑。例如，裂縫會出現在不同的位置，而且看起來就像結構分層的不規則線條。
 

使用基於規則的機器視覺，嘗試正確地找出 WLCSP 中的微小裂縫，既費時且困難重重。Cognex Deep Learning 工具透過套用智能演算法，學習正常結構分層與缺陷之間的差異，能夠更有效地找出微小裂縫。

軟體使用許多顯示微小裂縫的圖像，以及顯示 WLCSP 內正常分層的圖像組來訓練。缺陷探測工具學習正常的分層變化，並逐漸全面理解缺陷 (微小裂縫) 的樣態。

使用深度學習，高度準確的檢測能挽救可能錯誤地分類為不良 (NG) 的良好晶片封裝，進而提升成品率。深度學習可以找出 WLCSP 上的微小裂縫，若使用傳統方法，這類缺陷可能會通過檢測，而只會過早在現場發生故障。