为了满足实际生产的需要，表面缺陷检测系统具有以下适用功能：自动完成工件与相机获取图像同步自动检测产品表面斑点、凹坑、铜点、划伤等缺陷可根据需要对缺陷类型学习并进行命名可根据需要选择需要检测的缺陷类型可根据需要自主设定缺陷大小对不良位置进行***，可控制贴标设备会打印设备进行标识对不良品图像进行自动存储，可进行历史查询自动统计（良品、不良品、总数等）异常时提供声、光报警，并可控制设备停机系统有自学习功能，且学习过程操作简单

一、介绍缺陷检测被广泛使用于布匹瑕疵检测、工件表面质量检测、航空航天领域等。传统的算法对规则缺陷以及场景比较简单的场合，能够很好工作，但是对特征不明显的、形状多样、场景比较混乱的场合，则不再适用。近年来，基于深度学习的识别算法越来越成熟，许多公司开始尝试把深度学习算法应用到工业场合中。对于制造业企业来说，产品缺陷问题一直是核心痛点之一，这一问题若不得到解决，极易诱发事故。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。而如何提升产品质量和良品率，从而降低原材料消耗和人工成本投入，成为了工厂在数字化、智能化改造的过程中面临的核心问题。

对于制造业企业来说，产品缺陷问题一直是核心痛点之一，这一问题若不得到解决，极易诱发事故。而如何提升产品质量和良品率，从而降低原材料消耗和人工成本投入，成为了工厂在数字化、智能化改造的过程中面临的核心问题。　　为了解决这一问题，近年来，部分企业开始了基于机器视觉识别技术的缺陷检测探索，然而在实际的应用过程中，传统机器视觉识别虽然能够解放一部分生产力，但也存在着识别率低，复杂环境下无法彻底取代人工检测等一系列难题，这也导致目前的质检市场仍大量采用人工目检的方式，而机器视觉的覆盖率不足5%。虽然人眼具有较强的目视能力，识别能力要高于传统的机器视觉识别，但人工检查成本高昂，并且易受到工人熟练度影响，导致检测准确性及效率差异较大。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。因此，企业需要有更好的技术方法来实现生产线的自动化检测。

纺织品及薄膜表面瑕疵检测纺织品瑕疵检测系统可实现纺织品中的断经、断纬、粗节、粗经、纬档、松边、起球、污迹、孔洞等检测，自动探测、疵点***、缺陷分类、布边打标、质量评估等多种功能于一体，可针对多种不同的纺织品进行检测，其检测速度与精度达到国际同类产品水平，并且具有使用维护方便，性价比高的优点，是纺织品表面缺陷自动检测的选择