El mecanizado láser se ha utilizado ampliamente para el procesamiento de materiales, mientras que el complejo proceso físico inherente es bastante difícil de modelar y calcular con formulaciones analíticas. Al asistir a un taller sobre el descubrimiento del valor de los datos del mecanizado láser, nos sentimos profundamente motivados por el trabajo reciente de Tani et al., quienes propusieron el monitoreo in situ del procesamiento láser asistido por redes neuronales. En este artículo, proponemos una aplicación de aprendizaje profundo para extraer características representativas de las imágenes de procesamiento láser con una pérdida de múltiples tareas que consiste en una pérdida de entropía cruzada y una pérdida L1 suave logarítmica. En el experimento, AlexNet con aprendizaje de múltiples tareas demuestra ser mejor que modelos más profundos. Este marco de extracción de características profundas también tiene un enorme potencial para resolver más problemas de mecanizado láser en el futuro.