在纺织面料生产过程中,瑕疵的产生几乎不可避免。准确识别瑕疵类型、判断其严重程度、追溯产生原因,是质量管理的核心工作。本文梳理了十类最常见的面料瑕疵,分析其产生原因,并解释AI视觉技术如何实现对这些瑕疵的自动识别。

一、织造类瑕疵

这类瑕疵源于织造过程中的问题,与纱线质量、织机状态、工艺参数密切相关。

1. 断经

断经是指经纱在织造过程中断裂,导致布面出现纵向的缺纱线条。断经处会形成一条无纱线的缝隙,严重影响面料强度和外观。

产生原因:纱线强力不足、织机张力过大、停经片卡滞、纱线通道有毛刺。

AI识别原理:断经在布面上表现为纵向的连续缺失线条,与正常纹理形成明显对比。AI模型通过检测图像中是否存在沿经向的异常线条来识别断经,同时可根据线条的长度和宽度判断严重程度。

2. 断纬

断纬是指纬纱在织造过程中缺失,导致布面出现横向的缺纱痕迹。与断经不同,断纬通常只影响局部宽度,不会贯穿整个布面。

产生原因:纬纱强力不足、引纬机构故障、储纬器工作不稳定。

AI识别原理:断纬表现为横向的纱线缺失,AI模型通过检测纬向纹理的中断来定位。由于断纬可能只出现在布面的部分宽度,需要模型具备局部异常检测能力。

3. 双纬/百脚

双纬是指两根纬纱重叠织入,形成局部横向凸起;百脚是双纬的一种特殊形态,形状类似蜈蚣脚。

产生原因:引纬或打纬机构异常、纬纱张力波动。

AI识别原理:双纬区域纱线密度异常增加,在图像上表现为局部亮度变化和纹理密集。AI模型通过分析纱线密度分布来识别此类瑕疵。

4. 纬斜/纬弧

纬纱与经纱不垂直,呈斜线或弧形状态。纬斜会影响服装的版型和穿着效果,是衬衫布、条纹布等产品的关键质量指标。

产生原因:织机张力不均、布面运行歪斜、后整理定型不当。

AI识别原理:AI模型通过检测纬纱与经纱的交角来判断是否纬斜。需要分析整个布面的纹理方向,计算偏离垂直的角度。

5. 纱结/粗节

纱线局部变粗,形成结点。粗节会影响布面平整度和染色均匀性。

产生原因:纱线本身的质量问题,如原料中混有粗纱头、纱线接头不良等。

AI识别原理:粗节表现为局部区域的纱线直径异常增加。AI模型通过分析纱线粗细变化来识别,需要与正常的纱线粗细波动区分开。

二、印染类瑕疵

这类瑕疵产生于印染和后整理工序,与染料、工艺、设备状态有关。

6. 色差/色花

布面色泽不均匀,包括左中右色差、前后色差、局部色花等。色差是印染厂最常见的质量问题之一。

产生原因:染料配方不当、轧车压力不均、温度控制波动、布面张力不一致。

AI识别原理:AI模型分析布面各区域的色彩值,与标准色样或与布面其他区域进行比对,识别颜色偏离的区域。需要高精度的色彩校准和均匀的光照条件。

7. 污渍

外来污染物附着于布面,包括油污、锈渍、色渍、浆渍等。污渍不仅影响外观,某些类型的污渍还会影响后续加工。

产生原因:设备渗漏、环境粉尘、操作污染、运输储存不当。

AI识别原理:污渍在图像上表现为与周围区域颜色、纹理不同的异常区块。AI模型通过异常检测算法定位这些区块,并根据颜色、形状特征初步判断污渍类型。

三、异物类瑕疵

这类瑕疵由外来物质混入面料造成。

8. 异纤

不同材质的纤维混入,如化纤中的丙纶丝、棉花中的麻丝、色丝等。异纤在染色后可能呈现不同颜色,严重影响成品外观。

产生原因:原料分拣不净、生产环境交叉污染、回花使用管理不当。

AI识别原理:异纤在图像上表现为与正常纤维外观不同的异常点或线条。由于异纤可能与面料颜色相近,需要使用多光谱或偏振光成像增强对比度。

9. 油污

矿物油或植物油污染,通常呈现深色斑点或条状痕迹。油污会影响后续的染色和整理效果。

产生原因:设备润滑系统渗漏、操作人员手部污染、压缩空气中含油。

AI识别原理:油污区域对光线的反射特性与正常面料不同,在特定光源角度下会呈现不同的亮度。AI模型通过分析局部反射特性来识别。

四、其他瑕疵

10. 破洞

面料局部缺失,形成孔洞。破洞是最严重的瑕疵之一,直接导致面料报废或降等。

产生原因:纱线断裂后未及时处理、外力钩伤、化学腐蚀。

AI识别原理:破洞在透射光下表现为亮斑(光线直接透过),在反射光下表现为暗区。AI模型通过检测局部区域的异常透光或反射特性来识别。

五、AI识别的技术要点

训练数据的丰富性

AI模型的识别能力高度依赖于训练时使用的样本。覆盖不同面料类型、不同光照条件、不同瑕疵形态的训练数据,能够提升模型的泛化能力。

成像质量的控制

光源角度、相机分辨率、面料平整度都影响成像质量。稳定的成像条件是AI准确识别的基础。

检出率与误报率的平衡

提高检出率往往伴随着误报率上升。在实际生产中,需要在两者之间找到适合自身产品的平衡点。

厦门狮涛AI验布机的视觉检测精度达到0.1mm,其深度学习模型经过数十万份面料样本的训练,能够稳定识别断经、断纬、破洞、污渍、异丝、粗纱、纱结等常见及复杂瑕疵,同时支持用户根据自身产品特点自定义瑕疵类型和检测灵敏度。

六、结语

瑕疵识别是面料质量管理的起点。准确识别瑕疵类型,才能追溯到产生原因;了解产生原因,才能采取有效的改进措施。

AI验布机的价值在于:将瑕疵识别从“人的经验”转化为“系统的能力”。人的经验会随着人员流动而流失,而系统的能力可以持续积累、不断优化。这也是越来越多的纺织企业选择引入AI视觉检测技术的原因——不是因为它“比人强”,而是因为它“比人稳”。稳定的标准、稳定的输出、稳定的质量,才是现代化生产所追求的目标。

Logo

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念,把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起,为开发者提供从开发、训练到部署的一站式体验。

更多推荐