机器视觉，顾名思义，便是以机器代替人眼，帮助操作工人来进行检测与判断。目前，对布匹瑕疵检测的质量是重复性工作，属于劳动密集型，在现代化流水线后面经常可看到很多的检测工人来执行这道工序，不仅增加企业的时间及资金成本，而且所要求的质量也并不是能保证百分百的合格率。而采用机器视觉，则可将这一结果标准化，提高结果稳定性。面对家纺布瑕疵检测、帘子布瑕疵检测、纤维布瑕疵检测等各类布匹瑕疵检测，机器视觉都能稳定发挥。下面国辰机器人便来与大家聊聊视觉检测是如何应用于布匹瑕疵检测中的吧。
机器视觉系统通过机器视觉产品(即图像摄取装置，分 CMOS 和CCD 两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
一般布匹瑕疵检测(自动识别)先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准,然后拍摄被检测的图像，再将两者进行对比。
但是在布匹瑕疵检测质量工程中要复杂一些：
1. 图像的内容不是单一的图像，每块被测区域存在的杂质数量、大小、颜色、位置不一定一致。
2. 杂质的形状难以事先确定。
3. 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。
4. 在流水线上，针对布匹瑕疵检测，有实时性的要求。
由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。
首先，由于每一个图像像素都是有RGB三个成分组成来表示RGB色彩空间中的一个点，而即使很小的噪声也会改变颜色空间中的位置，无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，需要将RGB像素转换成为另一种颜色空间CIELAB，目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。
其次，根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积，以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。
最后，应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。根据识别的结果，存入数据库进行信息管理，以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排，可以获知布匹瑕疵检测的质量情况