Le linee di produzione moderne sono di fondamentale importanza in ambito industriale in quanto consentono l'assemblaggio efficiente di beni di alta qualità. Negli ultimi anni sono diventate più veloci e automatizzate. L’intervento umano è raro, ma a volte è ancora necessario in alcune fasi del processo di produzione, specialmente durante il controllo di qualità dei prodotti fabbricati. Queste operazioni rappresentano un collo di bottiglia nel processo produttivo. Pertanto, la ricerca accademica e industriale si è concentrata nello sviluppo di soluzioni automatiche per il rilevamento di difetti per aumentare la produttività. Questa tesi ha lo scopo di analizzare e valutare approcci di Deep Learning in grado di rilevare e localizzare difetti di sigillatura nel sottoscocca dei telai di automobili mediante l’utilizzo della Computer Vision in una specifica linea di produzione nell’ambito del progetto MANufacturing Automotive Green Evolution 5.0 (MANAGE 5.0).