AI织物疵点检测定制：周期纹理基线与疵点分级

织物疵点检测的难点不在模型结构，而在背景本身是周期性纹理：经编、针织的线圈排列会随张力与车速轻微漂移，通用异常检测容易把正常的纹理波动判成疵点。我们在一条针织布产线上做了阶段性实验，思路是把「找缺陷」改成「找纹理基线的偏离」。

方法上分三步：先在稳定工况下用线阵相机采集无疵布面，按经向周期做相位对齐，建立分块纹理基线；推理时计算当前块与基线的残差图，用面积与对比度双阈值筛出候选；最后按残差形态将候选归入断经、破洞、油污、纬档四类，并给出分级。

要点：

• 进展：在约 300 米/分车速下，单台 4096 像素线阵相机覆盖 1.8 米幅宽，误报率较通用异常检测模型下降约六成；断经类漏检集中在布边 5 厘米区域。
• 下一步：为布边单独建立基线，并测试用少量标注样本对四类疵点做增量微调。