基于深度学习的视觉检测小项目（一） 项目概况
之前做过一个基于OpenCV的小项目：使用OpenCV与PySide(PyQt)的视觉检测小项目练习_opencv pyqt-CSDN博客
由于OpenCV的局限，缺乏泛化能力，对检测样品的拍摄光线和品种适应能力差，所以用AI取代OpenCV，重做一次，作为一个AI视觉项目的入门练习。
规划中的工艺流程图：
主要工艺过程描述：
拍摄：使用工业相机，使用自然光或电光源。如果模型有足够的泛化能力满足需求，尽量用自然光，自然光达不到要求再用电光源。
训练：拍摄产品样本获得产品的图像数据，使用sam对图像进行自动标注，生成特征图像，特征图像送入YOLO进行训练，获得权重模型。
预测：使用YOLO对产品的图像数据进行预测，计算后得出量化的结论。
归档：各种图像和数据通过sql归档。
软件架构：
