在对汽车铝轮毂进行X射线实时探伤时，由于采集回来的许多图像目标物体的轮廓比较模糊，在评片时容易造成对铝轮毂的误判和漏判。针对这种现象并结合该类图像噪声多的特点，在一般卷积算法的基础上，采用特殊卷积（特殊的卷积核）操作，同时因浮雕底色为灰色，所以给卷积结果都加上灰度值128，使图像明暗区域的过渡显示出来，这样，亮的地方将更亮，而暗的地方则变成适度的亮度。实验结果表明图像中目标物体的轮廓变得更清楚，从而提高了人工评片的效率和质量。

为了提高轴承故障诊断的准确度,采用深度卷积神经网络算法来实现轴承故障分类。首先根据轴承振动故障特征频率建立轴承故障数据库,接着对轴承的振动信号按不同切片长度和固定宽度进行周期提取,建立特征向量矩阵,然后建立深度卷积神经网络的故障诊断模型,在网络设计时,差异化设置卷积核与池化尺寸,优化神经网络训练的核心参数,最后获得稳定的卷积神经网络模型。经过实例仿真,基于深度卷积神经网络的轴承故障分类准确率高,标准差小。