通过labview深度学习标注工具对样本进行标注，两类NG进行标注，标注完成后扩展样本数量级，以少量样本获得较好的标注训练结果。
药片的缺陷分为两种：一种是黑点，另一种是缺损，利用常规算法几乎无满足检出率和误判率的平衡，即：无法再同一种参数设定的情况下检出不同类型的缺陷，或者即使不会漏检NG产品，但是会出现过多的虚警（假阳性），因此，利用深度学习的方式解决此类问题至关重要。
通过labview调用tensorflow实现常见通用模型：faster-rcnn，ssd，ssd-mobile等模型的训练和调用。
首先标注图像，然后生成csv文件，读取csv文件生成tfrecord文件，然后设置模型训练超参数，最后开始训练。训练10000步后的结束训练，保存模型。
以下是识别效果
仅利用20张缺陷样本，得到了不错的训练效果，解决了工业现场缺陷样本数量少的问题。
总结：在工业缺陷检测领域，越来越多的研发团队开始使用深度学习作为最新 的技术手段，深度学习势在必行！
