AI纺织验布实验：疵点分级与匹次追溯

在《行业AI实验室》的行业方案方向，我们把验布环节作为近期的一个实验课题：面料疵点形态差异大，光照与张力变化会放大误检，单纯堆模型容量并不划算。

实验以三条产线的灰度相机数据为基础，先做匹次对齐与张力归一化，再用轻量分割网络提取疵点区域，最后按“断经、纬缩、油污、破洞”四类分级，并回写匹次追溯码。当前在自建验证集上，四类疵点的召回率约 92%，误报集中在反光导致的伪疵点，需与挡车工复核结果交叉确认。

要点：

• 进展：疵点分级与匹次追溯已在小批量试跑中打通，单匹判定延迟约 0.8 秒，基本贴合验布机在线节拍。
• 下一步：补充不同批次面料的难例样本，尝试把光照与张力作为可观测变量引入模型，而不是只依赖数据增广。

我们不追求“全自动无人验布”的说法，更关注在既有验布工位下，AI 能否稳定降低漏检与复核成本。