在计算机视觉实验室，我们把验布作为视觉异常检测的试验场：布面纹理周期强、疵点形态长尾、换品种频繁，直接套用通用缺陷检测模型容易把纹理波动误报为疵点。
当前探索采用“正常样本重建+纹理基元约束”：先用多尺度纹理基元建模经纬组织，抑制正常纹理波动；再以重建残差定位断经、纬档、油污、破洞等异常，并用少量标注做小样本迁移，适配新布种。离线回放中，常见疵点召回约九成，误报率较基线下降约三成，但细密纬档和浅色油污仍是短板。
下一步计划：
- 接入产线相机与编码器，验证车速、张力变化下的时序稳定性；
- 将模型量化至边缘设备，输出疵点坐标与置信度，供验布工复核，而非直接判废。
我们更关心误报成本和跨品种迁移，而不是单点精度。
评论