Перенавчання у випадку металевих тріщин зазнає невдачі, цей приклад показує: виробничий машинне навчання не може покладатися лише на попереднє навчання на ImageNet, різниця у галузі справжня.

AIMPACT повідомляє, що виробники авіакосмічної техніки стикаються з холодним стартом через дефіцит даних у процесі контролю якості: лише 3 фотографії мікротріщин турбінних лопатей потрібно для досягнення 99% точності. Навіть використовуючи ResNet-50, попередньо натренований на ImageNet, важко розпізнати мікротріщини на металевих поверхнях при малих зразках, що виявляє проблему малих зразків у виробничому машинному навчанні: перенавчання часто неефективне, що може призвести до масових дефектів, виведення неякісної продукції, марнотратства матеріалів та ризиків у наступних етапах.