近年来，纺织行业对产品质量和生产效率的要求不断提高，传统依赖人工的质检方式正面临瓶颈：检测速度慢、漏检率高、难以量化功能性参数。在此背景下，融合人工智能与工业视觉技术的自动化检测系统应运而生，成为推动纺织制造智能化转型的关键力量。

纺织业 AI 面料表面缺陷检测系统。受访者供图

在“AI启未来——人工智能优秀应用案例征集活动”中，由广东互动电子有限公司研发的纺织业 AI 面料表面缺陷检测系统（），通过AI视觉识别与多光谱分析技术，实现对窗帘、服装、产业用布等多类面料的全自动高速检测，将原本耗时近40分钟的人工流程压缩至不到3分钟，为行业质量控制注入新动能。

从“看花眼”到“秒识别”

破解复杂表面检测难题

纺织品缺陷种类繁多，断纱、污渍、色差等问题常因布料反光、褶皱或复杂纹理而难以捕捉。尤其在功能性面料面前，传统人工检测更显力不从心——例如调光窗帘的遮光层比例、防晒衣的UPF涂层完整性，仅靠肉眼无法精准判定。

该系统以改进型卷积神经网络为核心，基于超百万张标注图像进行训练，覆盖不同光照、纹理和折叠状态，可识别划痕、脱线、污迹等数十种常见缺陷，准确率≥99.2%，漏检率低于0.5%。

为应对反光与遮挡干扰，系统引入多光谱图像预处理技术，结合动态光照补偿与红外成像，有效还原布面真实状态。同时，采用双模型融合定位算法，精准标注瑕疵位置，并生成高清图像供复核查看。

在功能性参数检测方面，系统利用近红外光谱差异，实现遮光层与透光层的自动分割，准确率超99.5%。再配合高分辨率相机与边缘检测算法，可精确测量各层宽度及比例，自动比对标准值，超标即刻报警。这一能力填补了传统质检“只查外观、不验功能”的空白。

从产线到管理

全流程数字化闭环升级

这套系统不仅提升了检测效率，更推动了质量管理的系统性变革。设备适配传送带连续进料模式，最高运行速度达60米/分钟，可灵活部署于生产线或仓库入库工位。通过OCR识别工单二维码，系统自动关联面料规格、供应商信息与检测要求，实现“一布一档”数据归集。

检测过程中，一旦发现瑕疵或参数异常，系统立即触发声光报警，弹出问题大图与测量数值，并自动保存图像与数据。所有信息可接入工厂ERP、MES系统，形成“检测—记录—追溯”全流程闭环。企业可按供应商、批次统计瑕疵率、达标率等指标，为工艺优化与供应链管理提供数据支撑。

实际应用显示，单批次检测时间由人工的30-45分钟（外观）加5-8分钟（测宽）缩短至2-3分钟，功能性参数达标率从人工的85%-90%提升至99%以上。企业年节省人力成本20%-30%，客户投诉与退货率下降超50%。

业内人士指出，当前AI检测仍面临小样本缺陷泛化能力不足、跨材质模型迁移适应性有限等挑战。未来，如何提升系统在低数据量下的自学习能力，增强对新型复合材料的识别适应性，将是技术迭代的关键方向。

【链接】