先直接看图吧。

药丸缺陷：只用了3个正样本。

还有，汽水瓶口: 也是只用了3个正样本

这是 玻璃器瓶口：只用了一个正样本

饼干： 用了3个正样本

用的是一样的模型，一样的代码。检测不同类别的缺陷。检出率100%。我看到结果的时候也吓了一跳。这些都是之前很难检测的。因为缺陷不好量化描述。比yolo，cnn对比优势太明显了。不用标注，不用训练。只要极少正样本。本贴用的是halcon案例图片。

好消息，有了好方法。开发更轻松了。

坏消息，以后检测算法开发，不需要你了。

欢迎大家投稿给我，我帮你测试检测效果。效果很好。个人感觉比vm效果好。而且不用训练，不用训练，不用训练，cpu就能跑。因为模型是科技公司海量数据训练好的。我只是去掉了它的最后的输出头。保留其模型强大的特征提取功能。然后滑窗对图片做相识度比较。再映射回原图。确定缺陷以及缺陷位置。比你自己训练效果好很多。