RF-DETR 缺陷检测平台

这是一套面向工业缺陷检测的 Windows 本地软件平台：前端是 Tauri + React + TypeScript 桌面软件，后端是 Go Vision Core，算法侧使用 Python .venv + RF-DETR 完成训练、导出 ONNX 和批量推理。

RF-DETR 缺陷检测平台架构

一、下载

当前推荐使用 GitHub Release 下载。软件包不直接放在博客仓库里，避免大型二进制文件拖慢博客构建和 Git 历史。

文件	用途	下载
`VisionPlatform_RFDETR_Windows_x64_v0.1.0.zip`	Windows 用户版软件包，不含模型权重	下载软件包
`rf-detr-nano.pth`	入门和 CPU Smoke 推荐权重	下载 Nano 权重
`rf-detr-medium.pth`	常规训练/推理推荐权重	下载 Medium 权重
`rf-detr-large.pth`	高精度大模型权重，文件较大	下载 Large 权重

如果 GitHub 下载较慢，后续会补充阿里云 OSS 镜像链接。

二、软件包包含什么

app/Vision Platform.exe              桌面软件本体
software/go-core/vision-core.exe     Go 后端服务
software/workers/rfdetr/             RF-DETR Worker 适配层
scripts/ tools/ configs/             训练、推理、数据整理脚本
requirements-gpu.txt                 Python GPU 环境依赖
models/                              模型权重放这里
datasets/                            数据集放这里
outputs/                             训练和推理结果输出目录

这个下载包不包含前端源码、Go 后端源码、.git、node_modules、Rust target 编译缓存、.venv、本机私有数据集和历史训练输出。

三、第一次使用

1. 解压

把 ZIP 解压到一个路径简单的位置，例如：

1	D:\VisionPlatform_RFDETR\

路径尽量不要包含中文、空格或特殊符号。

2. 配置 Python 算法环境

双击：

1	配置 Python 算法环境.bat

它会创建 .venv，并安装 PyTorch、RF-DETR、ONNX Runtime、OpenCV 等依赖。

如果你只想在普通电脑上做 CPU 测试，可以打开 配置 Python 算法环境.ps1，把 PyTorch 安装命令改成 CPU 版本：

1	python -m pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu

如果你有 NVIDIA GPU，推荐使用 CUDA 版本：

1	python -m pip install torch torchvision --index-url https://download.pytorch.org/whl/cu128

3. 下载模型权重

双击：

1	下载模型权重.bat

或者手动下载上表中的权重文件，放到：

1	models\rf-detr\

4. 启动桌面软件

双击：

1	启动 RF-DETR 缺陷检测平台.bat

这个脚本只是启动器：它会先拉起 Go 后端，再打开真正的软件本体：

1	app\Vision Platform.exe

四、适用场景

工业表面缺陷检测；
小样本缺陷数据训练；
RF-DETR 检测模型训练、评估和导出；
ONNX 批量推理；
本地 Windows 电脑快速部署，不依赖 Docker。

五、常见问题

软件打开后提示后端连接失败

后端默认地址是：

1	http://127.0.0.1:18080

请确认启动器打开的后端窗口没有被关闭。如果端口被占用，可以在任务管理器里结束旧的 vision-core.exe 后重新启动。

`.venv` 配置失败

先确认系统已安装 Python 3.10 或 3.11，并且 python 命令可以在 PowerShell 中运行。然后重新双击：

1	配置 Python 算法环境.bat

GPU 不可用

在软件目录打开 PowerShell，执行：

1	.venv\Scripts\python.exe -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.version.cuda)"

如果输出 False，说明当前 PyTorch 没识别到 CUDA，需要检查 NVIDIA 驱动或重新安装匹配 CUDA 的 PyTorch。

六、版本记录

v0.1.0：首个 Windows 用户版，包含 Tauri 桌面前端、Go 后端、RF-DETR 本地 Worker、.venv 配置流程和权重下载流程。