机器视觉实现目标检测，对目标进行定位、分类、切割。在2018年深圳灵图用深度学习技术实现智能验布以前，国内外布疵分类和定位是由两个技术来完成的，用传统图像处理比如图相对比的技术实现目标的定位，然后用浅层神经网络比如分类器来实现分类。
智能验布就是在正常品质的布上发现缺陷，进行定位、分类、标注和记录。如果用传统图像对比技术，正常品质的布和布疵两方要有一方是标准的，至少在一定的抽象压缩之后是可以成为标准化模板的，不然就没办法实现，就比如以前以色列EVS技术方案，用在服装面料检测上最大的问题就是误判太多，每米布能检出来几十个缺陷。
那么用目前的深度学习大模型能否实现智能验布呢？后面视频我将和大家分享我在用深度学习实践智能验布所碰到的问题，分享未来实现智能验布必由之路。
人类每年消耗的各种面料数量总和超过2000亿米。而且由于纺织面料生产的分散性和行业标准的粗犷，没有统一的标准，每个企业都有自己的生产工艺、参数，生产流程和面料标准。用于纺织品生产的纤维种类虽然有限，但由于纤维生产和后续加工的复杂性，化纤比如涤纶可以对表面，外形，粗细，内部结晶度，各种复合等等，天然纤维比如棉不同产区，同一产区的不同年份等都会有区别，棉纤的强度，棉纤的粗细、成熟度、色泽、含糖、单纤长度等等。再加上不同的纺纱工艺和纤维组合、不同的织造工艺、不同的染整工艺、不同的后加工。所以世界上就没有完全相同的两米布，也就没有办法对任何一个哪怕单一的面料产品进行标准建模。
纺织最简单的面料就是无纺布，通常是单一纤维，生产流程非常短，工艺单一，进行一定的图相压缩之后，它是可以形成标准的模板，甚至用传统的图像处理就可以进行一些简单的缺陷检验。还有就是化纤的白色的面料，相对来说也比较简单。所以我觉得刚进入面料智能检验的团队可以从这里开始。
现在我们来看一看面料缺陷的产生过程，棉花从种植开始，在生长过程中各种灾害、虫害或者是发育不成熟都会给面料带来缺陷，在采摘过程中各种污染或者异物，在后面的轧花、纺织、织造、运输、染整加工过程中因设备问题操作问题，工艺问题都会产生各式各样的缺陷，就比如最简单的缺陷破洞，小的如针眼大小，大的比脸还大，在不同布面上会有不同的特征呈现，比如针织布和梭织布上的破洞特征就有区别，不同纤维、不同厚薄、组织的布破洞也都有不一样的特征。所有的缺陷就如同地上的草本植物一样，种类、样貌、位置都非常的随机，智能验布都是连续采图，布面波动和光污染都可能对照片产生影响，同时面料通常有非常明显的纹理，在不同角度的光照之下，会呈现不同的图像效果，都会对图像处理产生干扰。
-END-
4、当下整个纺织行业面料检验就是一笔糊涂账，智能验布能解决吗？
13、智能验布核心技术迭代：图像处理→大模型→多模型并行→多模型融合
18、为什么做通用人工智能大模型的团队都应该来做智能验布机？
21、当下纺服业哪些工作会被机器人代替？企业没有智能技术员就如同没电工
长按图片扫码，进入微店抢购
