目前国内基本上所有的化纤生产企业，对于成品的质检都采用人工质检的方式，通过用灯光照射在丝桶上形成的光影效果来进行成品品质的检测和等级判定，根据企业的产量不同，所需的质检人员会随之变化，并且检测的结果会受到多种因素的影响；

近年来通过视觉AI的检测技术在化纤行业的应用探索，通过视觉AI技术来进行成品的检测会逐步代替人工方式，视觉检测具有检测速度快、精度高、稳定性强、数据可追溯等人工所不能替代的优势，在未来化纤的上下游如果都采用视觉技术进行成品的检测，会对全行业产品品质提升起到极大的推动作用。

能够根据检测要求，将缺陷产品检测出来，并进行自动判级；缺陷产品自动替剔除到异常线体，异常线体产品输送到指定位置；现有线体的RFID改造，加装PLC控制及其它传感器，卡位装置等，实现产品的RFID信息读取，并将检测数据与RFID数据进行关系绑定；缺陷产品剔除后，包装线体上的空托盘回流到托盘回收线的改造；检测平台上线后，所产生的检测数据，做AI大数据分析，使检测数据产生应用的数据价值；实现检测数据的交互实时性，将检测异常数据及时推送到手机APP上；实现检测量信息及缺陷量信息，缺陷类型数据信息、缺陷产品对应机台及落丝工等信息电脑端、手机端实时数据查询及数据比对；

根据三分厂的实际调研情况，我们对本次的外观检测平台，从检测机构的硬件部分到软件系统部分，都按照实地的情况进行规则设计，并结合了我公司在其他企业检测平台的实际运行现状，对于本次检测平台项目，我们分为硬件机构部分和软件平台部分；硬件机构部分，我们进行了模块化的设计，方便后期进行故障的排除及硬件性能的优化升级；软件平台部分，通过现在的云平台技术及物联网技术，将检测的数据更快的让需要的管理人员看到，充分发挥数据的最大化价值，是平台的最大意义。

本项目由于检测瑕疵尺寸相对较小，瑕疵颜色与产品颜色完全一致，且每个产品的纱线缠绕纹路均具有唯一性，使得一般的“比对式”检测算法无效。我们在此项目中为将随机形状的瑕疵从随机形状的背景中提取出来，引入深度学习的神经网络进行辅助分析。由于压缩空气并不能完全将毛刺拉直，所以后续还需要深度学习系统对变形的毛刺进行长度分析，从而输出更准确的产品分类结果。