AI面料疵点检测定制：纹理抑制与小目标分割

面料疵点是典型的高纹理背景小目标问题：纬斜、竹节、色差与破洞在灰度上与正常布面差异极小，而织造纹理本身具有强周期性，传统阈值法在换批后误报率会急剧上升。我们在实验室一条验布机产线上做实验性验证，把任务拆成两步：先用频域滤波与相位一致性抑制织造纹理，保留无周期性的局部异常；再用轻量分割网络对候选区域做像素级判别，并按面积、长宽比与对比度输出分级结果。

进展：在 6 类常见疵点、约 4200 张图像上，小目标（面积占比低于 0.3%）召回由 71% 提升至 88%，每百米误报由 4.2 次降至 1.3 次；单帧推理约 18 ms，可随验布机线速同步运行。

下一步：引入换批自适应机制，用在线少量正常样本更新纹理基，并验证与切边、打标工序的联动闭环。