1.实现产品分拣，建立产品模型
考虑到甲方的实际需求，最终选用yolov5
数据准备：首先，需要收集并标记一批包含不同类别产品的图像数据集。这些数据集应包含正常产品和缺陷产品的图像。然后，使用标记工具对这些图像进行标注，标注出每个产品的位置和类别。
模型训练：使用标注好的数据集，使用Yolov5的训练脚本进行模型训练。训练过程中，Yolov5会根据标注数据来学习如何检测和分类不同类别的产品。训练完成后，会生成一个训练好的模型文件。
模型部署：将训练好的模型文件部署到生产流水线上的计算设备上。可以使用Yolov5提供的推理脚本，将模型加载到计算设备上，并进行实时的产品筛选。
特点：
高效准确：Yolov5采用了一种轻量级的网络结构，能够在保持较高准确率的同时，实现较快的推理速度。
多类别检测：Yolov5可以同时检测和分类多个不同类别的产品，适用于多种产品筛选场景。
实时性能：Yolov5的推理速度较快，可以在实时流水线上进行产品筛选，实现快速的生产线检测和筛选。