在服装生产线上AI 视觉质检已经能稳定识别绝大多数面料缺陷但有一个位置始终让工程师头疼——服装边缘。同样一个缺陷出现在衣服中间往往一检一个准可一旦到了裁边、袖口、衣摆这些位置误检、漏检的概率就明显上升。为什么边缘这么难本文从成像原理和算法两个层面拆解原因并给出可落地的检测思路。1. 边缘为什么难检四大物理成因1.1 面料边缘容易起翘、卷边、变形服装裁片在裁剪、搬运、缝制过程中边缘是最先受力、最容易形变的位置。起翘、卷边、毛边会让边缘在图像中呈现不规则的轮廓这些形态变化本身就和某些缺陷如脱纱、断线在视觉上高度相似算法很难区分「正常形变」和「真实缺陷」。1.2 边缘灰度变化剧烈靠近背景衣服中间是相对均匀的面料纹理而边缘处灰度跳变明显——从面料到背景的过渡本身就是一条强边缘。这条强边缘会掩盖或干扰其附近的细微缺陷信号导致缺陷对比度被稀释检出难度成倍上升。1.3 光源敏感阴影、反光、毛刺边缘靠近背景光源稍有变化就可能在边缘处产生阴影、反光甚至毛刺状的高光。这些光照伪影在图像上呈现为明暗交错的纹理极易被误判为缺陷造成误检。1.4 裁片歪斜与位置偏移放大误差裁片在传送带上不可能绝对对齐轻微歪斜、位置偏移都会让边缘在图像中的位置发生漂移。如果检测算法对边缘位置没有自适应能力ROI 一旦框偏就会把正常边缘当成缺陷或把真实缺陷漏在 ROI 之外。2. 边缘检测的破局思路针对上述难点边缘检测不能套用衣服中部的通用算法而要做针对性设计2.1 高风险区域 ROI 精细定位先通过轮廓拟合锁定边缘的精确位置再在边缘附近建立窄带 ROI而不是全图扫描。ROI 越精准背景干扰和光照伪影的干扰就越小。2.2 特征增强在 ROI 内对边缘纹理做增强处理突出脱纱、断线、缺损等真实缺陷的纹理特征同时抑制正常边缘的灰度跳变。2.3 轮廓拟合 纹理分离用轮廓拟合还原边缘的理想形态再把「边缘形态」和「面料纹理」分离。正常边缘的形变是连续、平滑的而真实缺陷如裁边缺损、锁边断线是局部突变、不连续的。通过形态连续性判断就能有效区分正常边缘和真实缺陷。3. 可稳定检测的典型缺陷采用上述方案后以下边缘类缺陷的检测稳定性会显著提升裁边缺损边缘局部缺失轮廓拟合后表现为连续性断裂。脱纱边缘纱线松散、外露纹理分离后呈现异常纤维走向。锁边断线锁边线迹中断在边缘 ROI 内表现为周期性纹理的局部缺失。4. 小结服装边缘之所以是 AI 质检的高难区域根源在于物理形变 灰度跳变 光照敏感 位置漂移四重因素叠加。破解之道不是堆更强的通用模型而是针对高风险区域做 ROI 精细定位和特征增强结合轮廓拟合与纹理分离把「正常边缘」和「真实缺陷」在特征空间里彻底分开。这样才能让裁边缺损、脱纱、锁边断线等边缘缺陷的检测既稳又准。