编写一个工业品视觉检测软件，能够分割、检测、显示原始图片、显示分割结果、显示检测结果的代码

很遗憾，由于篇幅限制和复杂性，无法在此提供完整的代码。不过，以下是一些示例代码，可以帮助您了解如何使用OpenCV实现基本的图像分割和物体检测功能。

图像分割示例代码：

import cv2

# 读取图像
img = cv2.imread('image.png')

# 将图像转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用阈值分割算法
_, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY+cv2.THRESH_OTSU)

# 显示原始图像和分割结果
cv2.imshow('Original Image', img)
cv2.imshow('Segmented Image', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

物体检测示例代码：

import cv2

# 加载分类器
cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 读取图像
img = cv2.imread('image.png')

# 将图像转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用分类器检测物体
faces = cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30))

# 在原始图像中标注物体
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (0, 255, 0), 2)

# 显示原始图像和检测结果
cv2.imshow('Original Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

这些代码只是基本示例，实际应用中需要根据具体情况进行调整和优化。如果您需要更详细的代码和实现方法，建议参考相关的教程和文档。