家纺行业AI视觉检测技术案例：从坯布验布到床单缝制缺陷的在线识别

应用行业： 家纺面料及床上用品制造 项目类型： 匿名客户实际应用案例 技术方案： 上海盎谷科技有限公司（MRARGUS）AI视觉检测系统 涉及工序： 坯布检验、印染质量衔接、面料验布、床单自动缝制

家纺产品的质量检验涉及坯布织造、印染加工、面料验收和缝制生产等多个环节。传统方式需要质检人员持续观察布面或成品，出现疵点时再停机确认、记录和处理。不同工序之间如果缺少连续的质量信息，部分问题可能进入后续加工环节，增加重复检查与返工。

某家纺制造企业在相关生产及质量检验环节应用上海盎谷科技（MRARGUS）AI视觉检测技术，围绕布面疵点识别、异常位置提示、缝制缺陷在线发现以及布卷质量信息衔接开展应用。本案例结合实际项目资料和现场检测记录，介绍系统在各工序中的应用方式与可参考的测试结果。

一、项目面对的质量问题

坯布端： 人工验布需要持续观察整幅布面，发现异常后手动停机、确认和记录。供应商与后道加工企业之间如果缺少对应布卷的检测资料，容易发生重复检验。

印染端： 印染加工前后需要核对来料与出厂质量。若检测结果分散在不同工序中，后续发现污疵或织疵时，需要重新查找对应布卷和异常位置。

面料验布端： 随着验布速度提高，人工持续识别细小异常的难度也会增加。与此同时，浮毛、褶皱等非质量缺陷又可能造成无效报警，影响现场复核效率。

床单缝制端： 断线、跳针、毛边等缝边异常如果没有及时发现，可能在连续生产中重复出现，增加后续返修与材料处理工作。

二、AI视觉检测在家纺生产中的实际应用

1. 坯布检验：识别织造异常，辅助人工确认

在坯布检验环节，系统对运行中的布面进行图像采集和异常识别，对需要关注的疵点进行提示。操作人员依据现场质量标准复核异常，并完成相应处理。

这种应用方式把重点从持续人工寻找疵点，转向系统辅助发现与人员针对性确认。相关检测记录也可以成为布卷质量沟通和后道复核的依据。

图1｜坯布检验环节的 AI 视觉检测示意。

2. 印染质量衔接：围绕布卷传递疵点信息

印染环节既要了解来料情况，也需要对加工完成的面料进行质量确认。前道形成的布卷检测结果，可以为后道核查疵点位置、确认面料质量提供参考。

在这类应用中，技术重点不只是单次发现破洞、污疵等异常，还包括将布卷信息、缺陷图片和异常位置形成便于复核的记录，使前后工序能够围绕同一批次开展质量确认。

3. 面料验布：识别破洞、纱节、断纱和粗纱

在面料验布环节，系统对运动中的布面进行连续检测，对破洞、纱节、断纱、粗纱等异常进行识别和位置标示，由检验人员根据实际质量标准复核。

图2｜验布检测示意，展示多种典型布面疵点的识别标记。

现场测试：改变布速后，记录的疵点数量有什么变化？

项目曾对两卷、合计330米的面料分别采用25米/分钟和30米/分钟进行测试，记录如下：

在这组固定样本中，两个速度档位的疵点记录数量接近，说明系统在所测试布样和设置条件下具有一定的速度适应能力。

数据口径说明： 上述数字是不同布速下系统记录的疵点数量对比，不是以全部真实疵点为分母计算的检出率，也不能据此推断其他面料在更高速度下具有相同表现。

从项目应用流程看，智能验布能够辅助人员减少重复寻找异常的工作，但实际检验效率仍需结合布种、验布标准、人工复核方式和设备运行条件评估。

4. 床单自动缝制：在生产过程中发现线迹与缝边缺陷

床单缝制环节的检测对象与传统布面验布不同。除了面料本身的异常，还需要关注缝制过程形成的跳针、断线、毛边、翘边、浮线等问题。

盎谷AI视觉检测系统在缝制过程中采集相应区域的图像，对疑似缝边异常进行识别和提示。对于需要及时处理的问题，系统可按照现场联动要求触发报警和设备停机，提醒操作人员检查缝制工位，降低同类异常持续出现的风险。

图3｜床单自动生产线检测示意，标示毛边、跳针、断线等缝制缺陷。

需要注意，缝制缺陷检测会受到面料颜色、印花图案和线迹对比度影响。对于复杂深色印花等干扰较强的面料，应使用实际布样确认检测适用范围，不直接套用其他面料的检测结果。

三、从这个案例可以看出哪些技术应用价值？

将异常发现前移。 坯布与验布环节帮助质检人员定位布面疵点；床单生产线则在缝制过程中识别线迹异常，减少问题延续至后道才被发现的情况。

把异常提示与人工复核结合。 系统辅助识别和定位疵点，操作人员根据产品质量标准完成确认与处理。两者协同，能够避免将所有异常识别结果直接等同于质量判定。

让不同工序具备可关联的质量信息。 通过保留布卷、异常图片和位置记录，可以为后道检验及质量追溯提供更清晰的依据。

上述价值来自项目所采用的检测流程和现场应用方式，不意味着不同面料、不同设备上的检测效果可以直接互相推算。

四、家纺企业引入AI视觉检测时，通常关注什么？

家纺AI视觉检测能够识别哪些疵点？

布面验布环节可以针对破洞、纱节、断纱、粗纱等典型异常开展识别；床单缝制环节则重点关注跳针、断线、毛边、翘边和浮线等线迹、缝边问题。具体识别范围需要以面料样本和项目要求确认。

现有验布机可以加装AI检测系统吗？

需要评估现有设备的安装条件、布面运行状态、幅宽、速度、光学环境和控制接口，再确定相应方案。设备具备安装条件，并不等于所有面料均达到相同检测指标。

验布速度提高后，会影响检测结果吗？

检测效果需要通过相同布样、不同速度的现场测试确认。本案例中的330米样本在25米/分钟与30米/分钟下记录的疵点数量比较接近，但这不是所有面料和速度的统一结论。

AI系统发现缝制缺陷后，是否可以自动停机？

在具备设备联动条件的生产线中，系统可根据缺陷判断和现场控制要求触发报警及停机，由操作人员确认异常后恢复生产。实际处理逻辑应结合缝纫工序和客户质量标准设定。

如何评价AI验布系统的实际检测效果？

建议分别统计真实疵点检出率、漏检率、无效报警情况和疵点分类结果，并明确面料、速度、疵点尺寸及人工复核标准。系统记录的疵点数量不等于标准检出率，不同项目的测试数字也不应直接比较。

五、结语

这一家纺行业应用案例展示了AI视觉检测在坯布检验、印染质量衔接、面料验布和床单缝制中的不同作用。它不仅涉及布面异常的识别，也涉及缝制过程中及时发现问题、人工确认以及质量记录的衔接。

上海盎谷科技有限公司（MRARGUS）提供面向纺织品检验与生产工序的AI视觉检测解决方案。针对具体面料、生产设备和质量要求，可结合实际样本进行现场测试，确定适用的检测方案。

官方网站：www.mrargus.com

资料说明：本文根据实际项目资料及现场测试记录整理。客户名称已匿名处理。所列330米布速对比是企业项目测试记录，不属于第三方独立检出率报告，实际效果以对应工况及验收方法为准。