隨著計算機軟件技術的發展，人們設想稱重傳感器本身的缺陷是否可以通過軟件技術來解決呢？ 也就是說，由計算機軟件來完成傳感器的諸如零點補償、溫度補償、線性補償、滯后補償、蠕變與恢復補償等幾乎全部的補償工藝。這樣可以使稱重傳感器本身的制作工藝變得極其簡單，既不需要把大量的精力花在精細的制作工藝上，又可以大大提高稱重傳感器彈性體與貼片的合格率。當然，由于要完成上述的各種軟件補償，需要建立各種數學模型，需要龐大的數據庫來支撐。沒有大量的試驗數據是不可能完成的。 
    

其基本配置如下：
    模擬式傳感器+數字變送 （放大與A/D電路）+傳感器軟件智能化補償
    該類稱重傳感器的數字變送部分包括放大、濾波、A/D轉換器、微處理器、溫度傳感器，通過數字補償電路和數字補償工藝，可進行線性、滯后、蠕變等補償；內裝溫度傳感器，通過補償軟件可進行實時溫度補償；地址可調，便于應用與互換；并可實現遠程診斷與校正。其核心是傳感器軟件智能化補償技術。這種稱重傳感器據說采用了模糊數學、人工智能等方面的理論，用合理數據處理方法實現傳感器誤差的數字補償，避免了傳統稱重傳感器中繁瑣的模擬補償方法。此類傳感器已具備了數字補償智能化技術的基本要求。
    一種采用神經網絡自學習功能，解決了因環境溫度的變化對稱重傳感器橋臂之間的特性差異所造成的測量誤差影響。具體做法為：將電橋的兩個輸出電壓信號作為標定數據，采用神經網數據融合對標定數據進行處理，從而既提高了電橋測量的環境溫度適應范圍，又提高了其靜態特性。
    目前，國內稱重傳感器非線性主要依靠彈性體本身制造、補償、調整工藝來解決。而一種利用BP軟件算法具有的非線性映射能力對傳感器標定數據進行輸入-輸出特性的反非線性逼近，將其作為智能傳感器系統的非線性校正軟件，使傳感器在該軟件的支持下提高測量準確度。將傳感器實驗數據通過BP神經網絡，據介紹此方法可降低測量相對誤差。
    這種智能傳感器數據預處理方法，應用于傳感器的非線性校正溫度補償、數字濾波和標度變換，可實現工業現場傳感器測試數據的前端檢測與處理，從而提高了自動化檢測作業系統中傳感器的非線性質量。