纺织品瑕疵检测是织物生产过程中的重要一环。多数纺织企业对于织物瑕疵的检测依靠于人工检测，成本高、效率低且漏检率高。近些年来，部分企业开始使用基于传统计算机视觉的瑕疵自动检测系统，然而传统计算机视觉算法依赖于人工提取特征，往往仅能针对某一种或某一类织物瑕疵的检测。在实际工业环境中，织物样式不一、种类繁多，而且其瑕疵的种类也具有多种形式。因此，基于传统计算机视觉的织物瑕疵检测方法普遍存在可靠性低、泛化性能差的问题，迫切需要针对织物疵点种类繁多、分布稀疏、普遍存在样本不平衡和疵点难以识别的难题，对纺织品瑕疵视觉检测装备展开技术攻关，满足纺织品缺陷检测行业需求。

中心科研团队在前期重点研究了基于深度学习的高效轻量化视觉检测技术，提出了传统图像处理技术和深度学习结合方法，研发了基于LBP和GLCM的织物瑕疵检测方法、纺织印染瑕疵分层检测算法、基于能量残差分布和Gabor特征融合的织物瑕疵检测系统，为攻克纺织品质量检测行业难题提供了良好的技术基础。

本中心将与上海三枪（集团）有限公司、华纺股份有限公司、徐州荣盛纺织印染有限公司合作，充分发挥产学研用的优势，研发纺织品瑕疵视觉检测装备并进一步产业化。拟开发图像线性扫描系统和光照系统，应用瑕疵识别与分类算法，开发相关软件系统；在上海三枪（集团）有限公司、华纺股份有限公司、徐州荣盛纺织印染有限公司三家企业试点应用。

中心在纺织品瑕疵检测的研究基础