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：

        我的本专业是电气控制，在编程方面只能算是一个业余票友，所以希望大家用批判的态度来看文章，并多多批评指正。

        在这个小项目中，有可能用到的知识：python编程基础、pyside6基础、SQLite数据库、python线程知识、OpenCV基础、SAM和YOLO基础等等。本项目从零开始，尽量详细记录每一个步骤，对于初学的同学也是一个很好的借鉴和参考。