1. 项目背景与行业痛点
牛津布作为箱包、户外装备的常用面料,其质量检测一直是纺织行业的难点。传统人工验布方式存在效率低(每人每天仅能检测800-1000米)、漏检率高(约15%-20%)、标准不统一等问题。某中型箱包面料厂曾因一批牛津布出现0.5mm直径的经向断纱未被检出,导致下游客户整批箱包开线,最终赔偿23万元。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 系统架构设计解析
2.1 硬件配置方案
采用2000万像素工业相机(Basler ace acA2000-165um)搭配条形光源(波长625nm红色LED),实测显示该组合对牛津布经纬纱线纹理的捕捉最清晰。传送带速度设定为25米/分钟,确保每平方厘米布料可获取6帧有效图像。
关键参数:相机安装高度85cm,光源倾斜角度45°,这是经过37次对比测试得出的最优解
2.2 算法模型选型
在YOLOv5s、Faster R-CNN和U-Net三种模型中,最终选择改进型U-Net:
- 检测精度:U-Net(98.2%)> Faster R-CNN(95.7%)> YOLOv5s(93.1%)
- 推理速度:U-Net(83ms/帧)比标准版快40%,通过深度可分离卷积实现
python复制# 改进的U-Net结构核心代码
class DSConv_block(nn.Module):
def __init__(self, in_ch, out_ch):
super().__init__()
self.depthwise = nn.Conv2d(in_ch, in_ch, kernel_size=3, padding=1, groups=in_ch)
self.pointwise = nn.Conv2d(in_ch, out_ch, kernel_size=1)
def forward(self, x):
return F.relu(self.pointwise(self.depthwise(x)))
3. 缺陷检测标准建立
3.1 牛津布典型缺陷库
建立包含9大类47小类的缺陷样本库:
- 纱线问题(断经/断纬/粗节纱)
- 织造问题(跳花/筘路/松紧档)
- 染整问题(色差
