纺织布面检测的难点往往不在缺陷本身，而在背景：经纬交织形成的周期纹理，其局部对比度常常高于疵点，常规卷积网络容易把正常纹理学成异常，或把纱线粗节误判为破洞。
本期计算机视觉实验室在一条剑杆织机产线上做了阶段性验证，思路是把任务拆成两步：先由线扫描相机采集的图像估计纹理周期，做频域抑制与相位对齐，减掉「纹理可解释的部分」；再在残差图上做小目标检测，用轻量分割头输出疵点轮廓与类别（破洞、断经、纬缩、油污）。
进展要点：
- 试点机台在 0.8 m/s 车速下，破洞与断经两类硬缺陷召回 96.4%，误报约每百米 1.2 次，主要来源为布边毛羽与光照波动；
- 模型经通道剪枝与 INT8 量化后，单台边缘设备可并行处理 4 路相机，单帧推理约 23 ms。
下一步计划：对布边区域单独建模，引入少样本增量更新，使新布种在 30 张现场样本内完成适配，并在经编、圆纬两条工艺路线上验证迁移效果。
评论