Dengan perkembangan komputer dan ketersediaan data, pendekatan berbasis
data untuk pengelihatan komputer semakin populer. Tetapi, penggunaan model
pengelihatan komputer berbasis pembelajaran mesin memiliki sifat black-box
yang susah dibenarkan penggunaannya di beberapa sektor. Dengan praktek
evaluasi kualitatif yang masih jarang, tesis ini mendemonstrasikan pentingnya
investigasi penyorotan fitur dari pendekatan pembelajaran mesin. Tesis ini
membandingkan tiga metode pembelajaran mesin untuk klasifikasi gambar, yaitu
principal component analysis, jaringan saraf tiruan konvolusional, dan jaringan
kapsul, untuk memecahkan tiga masalah rekayasa. Tesis ini juga menyoroti
wawasan yang didapatkan dari principal component analysis dan menginvestigasi
kesesuaian antara metode penafsiran dengan jaringan kapsul. Dari tiga
teknik, ditemukan bahwa model jaringan kapsul terbaik dalam menyelesaikan
tiga masalah rekayasa. Ditemukan juga bahwa principal component analysis
memberikan wawasan dalam tingkat kesulitan suatu masalah untuk semua
pendekatan berbasis data. Dari mengobesrvasi hasil, ditemukan bahwa jaringan
kapsul tidak cocok dengan analisis sensitivitas untuk penafsiran.