在布匹的生產(chǎn)過程中,，像布匹質(zhì)量檢測這種有高度重復(fù)性和智能性的工作只能靠人工檢測來完成,在現(xiàn)代化流水線后面常常可看到很多的檢測工人來執(zhí)行這道工序,給企業(yè)增加巨大的人工成本和管理成本的同時(shí),卻仍然不能保證100 %的檢驗(yàn)合格率（即“零缺陷”） ,。對布匹質(zhì)量的檢測是重復(fù)性勞動,，容易出錯(cuò)且效率低。
流水線進(jìn)行自動化的改造,，使布匹生產(chǎn)流水線變成快速,、實(shí)時(shí)、準(zhǔn)確,、高效的流水線,。在流水線上，所有布匹的顏色,、及數(shù)量都要進(jìn)行自動確認(rèn)（以下簡稱“布匹檢測”）?，F(xiàn)在采用機(jī)器視覺" title="機(jī)器視覺">機(jī)器視覺的自動識別技術(shù)完成以前由人工來完成的工作。在大批量的布匹檢測中,，用人工檢查產(chǎn)品質(zhì)量效率低且精度不高,，用機(jī)器視覺檢測方法" title="檢測方法">檢測方法可以大大提高生產(chǎn)效率" title="生產(chǎn)效率">生產(chǎn)效率和生產(chǎn)的自動化程度。
特征提取辨識
一般布匹檢測（自動識別）先利用高清晰度" title="高清晰度">高清晰度,、高速攝像鏡頭拍攝標(biāo)準(zhǔn)圖像,，在此基礎(chǔ)上設(shè)定一定標(biāo)準(zhǔn)；然后拍攝被檢測的圖像,，再將兩者進(jìn)行對比,。但是在布匹質(zhì)量檢測工程中要復(fù)雜一些：
　　1． 圖像的內(nèi)容不是單一的圖像，每塊被測區(qū)域存在的雜質(zhì)的數(shù)量,、大小,、顏色、位置不一定一致,。
　　2． 雜質(zhì)的形狀難以事先確定,。
　　3． 由于布匹快速運(yùn)動對光線產(chǎn)生反射，圖像中可能會存在大量的噪聲,。
　　4． 在流水線上，對布匹進(jìn)行檢測,，有實(shí)時(shí)性的要求,。
　　由于上述原因，圖像識別處理時(shí)應(yīng)采取相應(yīng)的算法,，提取雜質(zhì)的特征,，進(jìn)行模式識別，實(shí)現(xiàn)智能分析,。
Color檢測
一般而言,，從彩色CCD相機(jī)中獲取的圖像都是RGB圖像,。也就是說每一個(gè)像素都由紅（R）綠（G）籃（B）三個(gè)成分組成，來表示RGB色彩空間" title="色彩空間">色彩空間中的一個(gè)點(diǎn),。問題在于這些色差不同于人眼的感覺,。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們?nèi)搜鄹杏X有多么的近似,，在顏色空間中也不盡相同,。基于上述原因,，我們需要將RGB像素轉(zhuǎn)換成為另一種顏色空間CIELAB,。目的就是使我們?nèi)搜鄣母杏X盡可能的與顏色空間中的色差相近。
Blob檢測
根據(jù)上面得到的處理圖像,，根據(jù)需求,，在純色背景下檢測雜質(zhì)色斑，并且要計(jì)算出色斑的面積,以確定是否在檢測范圍之內(nèi),。因此圖像處理軟件要具有分離目標(biāo),，檢測目標(biāo)，并且計(jì)算出其面積的功能,。
　　Blob分析（Blob Analysis）是對圖像中相同像素的連通域進(jìn)行分析,，該連通域稱為Blob。經(jīng)二值化" title="二值化">二值化（Binary Thresholding）處理后的圖像中色斑可認(rèn)為是blob,。Blob分析工具可以從背景中分離出目標(biāo),，并可計(jì)算出目標(biāo)的數(shù)量、位置,、形狀,、方向和大小，還可以提供相關(guān)斑點(diǎn)間的拓?fù)浣Y(jié)構(gòu),。在處理過程中不是采用單個(gè)的像素逐一分析,，而是對圖形的行進(jìn)行操作。圖像的每一行都用游程長度編碼（RLE）來表示相鄰的目標(biāo)范圍,。這種算法與基于象素的算法相比,，大大提高處理速度。
結(jié)果處理和控制
應(yīng)用程序把返回的結(jié)果存入數(shù)據(jù)庫或用戶指定的位置,，并根據(jù)結(jié)果控制機(jī)械部分做相應(yīng)的運(yùn)動,。
　　根據(jù)識別的結(jié)果，存入數(shù)據(jù)庫進(jìn)行信息管理,。以后可以隨時(shí)對信息進(jìn)行檢索查詢,，管理者可以獲知某段時(shí)間內(nèi)流水線的忙閑，為下一步的工作作出安排；可以獲知近期內(nèi)布匹的質(zhì)量情況等等,。