復合材料玻璃纖維屬于產業用紡織品，在軍工，汽車，造船等行業廣泛應用。我國的玻璃纖維產量站到的75%以上。但由于該行業在我國起步較晚，設備自動化程度不高，產品質量難以控制，產品以中低端為主。企業迫切需要采用機器實現自動化檢測，替代人工，保證產品質量。
西安獲德是國內成功將機器視覺技術引入玻璃纖維產品質量檢測的公司，該技術對于整個國內的玻璃纖維產品質量控制將是革命性的。目前該公司針對玻璃纖維產品外觀檢測的設備達到10余種，涵蓋了幾乎所有的玻璃纖維產品質量檢測設備，在玻纖行業視覺檢測設備*在80%以上。
本項目通過轉化西安工程大學發明zhuan利《基于模式識別和圖像處理的紡織品瑕疵自動檢測及分類方法》的相關技術，通過技術研發合作及工業生產線上的反復實驗，將這項技術應用與玻璃纖維織物生產中的質量檢驗環節，*解決玻纖生產人工檢測質量低的難題。
關鍵技術：
建立有效的玻璃纖維產品疵點紋理圖像預處理方法西安獲德將該方法應用于玻璃纖維圖像增強方面能使圖像邊緣明顯突出、紋理更加清晰和非線性保留圖像平滑區域細節信息。
基于深度學習的疵點分類方法
玻璃纖維產品多樣化，檢測需求各不相同，根據各種玻璃纖維產品的紋理特征，采用模式識別的方法深度學習方法，對各種產品的缺陷不斷收集，不斷學習，形成良好的分類模型，對檢測到的缺陷進行正確分類，并對玻璃纖維產品質量進行客觀評價。
工業環境下機器視覺系統的架構
搭建高速的圖像處理平臺，以滿足高速的生產線在線檢測。解決工業現場環境差，系統穩定性不好的問題。紡織廠的環境一般是高溫，高濕，并且灰塵較多，但工業環境下的檢測要求是24小時，365天不間斷的工作。因此西安獲德經過長期調研及現場經驗，研發了能夠滿足紡織行業環境下的機器視覺檢測硬件系統。
創新點：
提出了基于Gabor -Gauss方法、背景分析法、多尺度小波方法作為聯合疵點檢測的方法庫對纖維布表面進行疵點檢測
采用改進型的Gabor 濾波器組對織物的疵點進行檢測，利用其對方向和尺度可調的特性，得到濾波器*化的參數。在正常紋理圖片的*濾波基礎上，進行高斯平滑，確定出正常織物圖像的兩個閾值門限，進而得到織物的二值圖像，實現疵點檢測。
西安獲德首將神經網絡的精髓深度學習引入玻璃纖維產品缺陷分類
采用深度度學習訓練軟件框架Caffe/2+PyTorch對收集到的幾十萬種玻璃纖維織物疵點進行學習，優化參數，對各類缺陷分類正確率達到92%以上。
采用卷積神經網絡算法具備自主學習能力，通過在實際生產過程種不斷積累的外觀缺陷數據，不斷提高算法識別精度。建立有效的外觀缺陷數據庫。
注：轉載請注明出處！
