布匹瑕疵视觉检测：少样本缺陷识别的阶段进展

纺织验布长期依赖人工目检，缺陷种类多、单类样本少，是典型的少样本长尾问题。计算机视觉实验室在一条验布产线上做了阶段性实验，思路是「正常样本建模 + 少量标注微调」：先用线扫相机采集布面图像，用异常检测对正常纹理建模，捕捉断经、纬缩、油污、破洞等偏差区域；再用每类 20~30 张标注样本对分类头做微调，区分缺陷类型。针对低对比度与光照不均，加入多尺度特征融合与产线在线亮度标定，减少因换卷、停机导致的分布漂移。

要点：

• 阶段结果：上述四类常见瑕疵上召回约 92%，误报约每百米 1.2 次，单张推理约 40ms，可跟上产线速度。
• 下一步：把缺陷位置与卷布米数坐标对齐，输出可裁剪定位；验证增量学习流程，新缺陷类型标注 20~30 张即可上线，并与 MES 质量工单打通。