物外觀的重要因素，一旦形成疵布，必將給紡織廠帶來損失，因此減少染色疵點、降低疵布出現(xiàn)的幾率是每一個紡織廠在質(zhì)量管理工作中的重中之重。疵布的成因是由疵點造成的，對紡織廠來講，絕對地消滅染色疵點是辦不到的，只能做到預(yù)防、減少染色疵點的發(fā)生。而預(yù)防、減少染色疵點的發(fā)生，有一個前提就是快速準確地對染色疵點進行預(yù)報。一些企業(yè)結(jié)合實際情況，利用疵點分布圖，進行快速反饋疵布狀態(tài)，通過制定疵點的預(yù)報、分析制度，經(jīng)過較長時間運作，效果明顯，值得借鑒。
　　這種利用疵點分布圖的方法，是確定疵點臨界線法則，也就是將主要染色疵點形成的數(shù)量確立一條臨界線(平行于X軸的一條直線)，臨界線具體值的依據(jù)是：(1)客戶對該面料染色疵點能夠容忍的最大極限；(2)結(jié)合紡織廠自身各工序加工過程中的實際情況而規(guī)定一個上限。在確定疵點臨界線后，那么需要控制的染色疵點數(shù)量就有了一個最高限值(即疵點臨界值)，一旦超出了臨界值，就表明該染色疵點量已經(jīng)影響到了該面料的外觀質(zhì)量。各個工序過程中采取各種措施的目的就是要將染色疵點量控制在臨界值以下。
　　具體而言，紡絲、牽伸、染整等車間及各生產(chǎn)工序依據(jù)各批品種每班染色疵點數(shù)量，標出各染色疵點的走勢線(一條不規(guī)則的曲線，染色疵點數(shù)量是指每米疵點的個數(shù))。染色疵點走勢線告訴我們的是：某種染色疵點在一段時間內(nèi)的數(shù)量變動情況及將來的可能走勢方向。在實際生產(chǎn)過程中要更多關(guān)注的是走勢線趨勢，最佳狀況是永遠位于臨界線下方波動，但事實上是很難做到的，只要不是連續(xù)上升趨勢，就可以認為該染色疵點是可控的，一旦越過臨界線，就意味著該染色疵點是失控的。生成過程中，利用疵點分布圖進行染色疵點控制，關(guān)鍵是預(yù)報分析，在該系統(tǒng)的建立上，也會有從不完善到逐漸完善的過程，有的企業(yè)在車間內(nèi)開辟了染色疵點專欄，進行統(tǒng)計、分析、原因排查，持之以恒，收到了不錯的效果。
　　4計算機識別系統(tǒng)在織物疵點檢測中的應(yīng)用
　　隨著計算機的普及，國內(nèi)外織物疵點識別方法與自動檢測系統(tǒng)已成功推向市場，其中計算機圖像處理與識別技術(shù)應(yīng)用于紡織行業(yè)，已有許多年了。其在紡織品檢驗中的應(yīng)用主要有織物疵點檢驗，紗線勻度、潔凈、清潔度檢驗，混紡紗中各種纖維的識別、棉網(wǎng)棉結(jié)檢驗等，其中織物疵點檢驗是最重要的檢驗項目之一。
　　近2O多年來，國內(nèi)外學(xué)者在此方面進行了大量研究，已有不少研究成果推向市場。如瑞士ZellwegerUster公司推出的用神經(jīng)網(wǎng)絡(luò)識別技術(shù)開發(fā)的Fabriscan檢布系統(tǒng)，比利時BARC0公司的驗布系統(tǒng)，德國0bdix光電子技術(shù)公司開發(fā)的在線織物檢驗系統(tǒng)；以色列EVS公司的I-TEX機型自動檢布系統(tǒng)等。但真正適用于實際生產(chǎn)并被市場接納的并不多，市場主要占有者為以色列的EVS公司。
　　以色列EVS公司的坯布自動檢測系統(tǒng)其核心裝置I-TEX是一套觀察檢測系統(tǒng)，該系統(tǒng)基于獨立圖象理解算法，而其算法則模仿人類的視覺機制，可自動控制探測、保存、定位，并進一步對布面上的疵點進行評估分析。能檢測出小至0.5mm的可見疵點，檢測門幅達330cm。該公司已向歐洲、美洲、亞洲和非洲的紡織印染企業(yè)出售了200多套I-TEX系統(tǒng)，其數(shù)量占現(xiàn)有整個織物疵點自動檢驗系統(tǒng)市場份額的9O%以上，在我國僅有少數(shù)廠家引進了該系統(tǒng)。
　　5我國疵點檢測系統(tǒng)的研究狀況及方向
　　我國在織物疵點自動檢測方面的研究起步較晚，從上世紀9O年代后期才開始。研究內(nèi)容主要為疵點識別的算法，特征提取方法涉及空間域的紋理分析等，疵點判定和分類多使用BP神經(jīng)網(wǎng)絡(luò)。2004年卿湘運等將織物圖像分成大小相同的局部窗口，在局部窗口區(qū)域內(nèi)分割出疵點圖像。并用數(shù)字形態(tài)學(xué)濾除噪聲，計算疵點形狀因子等作為識別參數(shù)，有效地識別出了缺緯、斷經(jīng)、油污、破洞4類常見疵點，實驗證明此方法基本滿足實時檢測的要求。
　　2004年，汪成龍等通過對織物結(jié)構(gòu)的深入剖析，提出運用布紋的直線特征紋理，由概率統(tǒng)計生成直方圖，有效地提取織物的特征波形，能準確定位突變或異常位置，正確識別織物疵點，成為簡單高效的織物視覺檢測算法。
　　李立輕等在織物圖像的小波分解算法和緊支撐正交小波的基礎(chǔ)上提出了織物自適應(yīng)小波的構(gòu)造，由自適應(yīng)小波對織物圖像分解，然后對分解后的緯向和經(jīng)向子圖像提取特征，由特征值檢測和識別疵點。實驗證明了該方法對常見疵點具有快速、準確的檢測效果。
　　此外，研究人員所提出的疵點檢測方法可謂多種多樣，其中一些也日趨成熟，具備很強的實用性。其中神經(jīng)網(wǎng)絡(luò)基本是用于最后的疵點辨別和分類，由于在基于樣本的自適應(yīng)學(xué)習(xí)和故障模式快速分類方面的強大優(yōu)勢，使得神經(jīng)網(wǎng)絡(luò)現(xiàn)已成為織物疵點識別中的必備工具。
　　總之，為了把關(guān)于疵點檢測的研究工作向?qū)嵱没矫姘l(fā)展，充分利用目前計算機計算速度和能力的大幅提高，以及算法的不斷發(fā)展和日益成熟的有利條件，實現(xiàn)疵點檢測方法的軟件化，