機器視覺，顧名思義，便是以機器代替人眼，幫助操作工人來進行檢測與判斷。目前，對布匹瑕疵檢測的質量是重復性工作，屬于勞動密集型，在現代化流水線后面經常可看到很多的檢測工人來執行這道工序，不僅增加企業的時間及資金成本，而且所要求的質量也并不是能保證百分百的合格率。而采用機器視覺，則可將這一結果標準化，提高結果穩定性。面對家紡布瑕疵檢測、簾子布瑕疵檢測、纖維布瑕疵檢測等各類布匹瑕疵檢測，機器視覺都能穩定發揮。下面國辰機器人便來與大家聊聊視覺檢測是如何應用于布匹瑕疵檢測中的吧。

機器視覺系統通過機器視覺產品(即圖像攝取裝置，分 CMOS 和CCD 兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號，圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

一般布匹瑕疵檢測(自動識別)先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準,然后拍攝被檢測的圖像，再將兩者進行對比。

但是在布匹瑕疵檢測質量工程中要復雜一些：

1. 圖像的內容不是單一的圖像，每塊被測區域存在的雜質數量、大小、顏色、位置不一定一致。

2. 雜質的形狀難以事先確定。

3. 由于布匹快速運動對光線產生反射，圖像中可能會存在大量的噪聲。

4. 在流水線上，針對布匹瑕疵檢測，有實時性的要求。

由于上述原因，圖像識別處理時應采取相應的算法，提取雜質的特征，進行模式識別，實現智能分析。

首先，由于每一個圖像像素都是有RGB三個成分組成來表示RGB色彩空間中的一個點，而即使很小的噪聲也會改變顏色空間中的位置，無論我們人眼感覺有多么的近似，在顏色空間中也不盡相同。基于上述原因，需要將RGB像素轉換成為另一種顏色空間CIELAB，目的就是使我們人眼的感覺盡可能的與顏色空間中的色差相近。

其次，根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質色斑，并且要計算出色斑的面積，以確定是否在檢測范圍之內。因此圖像處理軟件要具有分離目標，檢測目標，并且計算出其面積的功能。

最后，應用程序把返回的結果存入數據庫或用戶指定的位置，并根據結果控制機械部分做相應的運動。根據識別的結果，存入數據庫進行信息管理，以后可以隨時對信息進行檢索查詢，管理者可以獲知某段時間內流水線的忙閑，為下一步的工作作出安排，可以獲知布匹瑕疵檢測的質量情況