1.基于机器视觉的产品功能耐久性测试自学习方法，其特征在于，包括：根据预设方法将特征标识集扩展为规模性特征标识集，特征标识包括图案标识、字符标识或组合标识；

获取待测产品的ROI图像，根据所述规模性特征标识集匹配并定位ROI图像中的特征标识；

根据预设优先级依次触控待测产品对应的特征标识，在检测到状态反馈后，标记被触控的所述特征标识为功能标识，并标记状态反馈的对应特征标识为待定标识，所述状态反馈包括光源的点亮/熄灭；

当触控对应的待定标识且检测到状态反馈时，标记对应的待定标识为功能标识；

当触控对应的待定标识且未检测到状态反馈时，标记对应的待定标识为指示标识；

对所述功能标识进行耐久性测试；

当待测产品包含字符标识时，所述获取待测产品的ROI图像，根据所述规模性特征标识集匹配并定位ROI图像中的特征标识的步骤，包括：在待测产品的测试面板图像中确定ROI图像；

输入ROI图像中对应的字符标识的组成字符和ROI图像中的字符标识数量K；

网格化所述ROI图像，得到若干网格图像，利用卷积神经网络对所有网格图像进行分析，确定各网格图像内容与所述组成字符的第一匹配系数，当第一匹配系数大于第一关联度阈值时，获取一组对应网格图像的中心点；

缩小网格尺寸并至少重复上一步骤一次，获取至少另一组对应网格图像的中心点；

采用K-means聚类算法对获取的所有中心点进行分割，得到K类区域，选取每类区域的中心坐标作为对应字符标识的定位目标。