点击下方卡片，关注 晶力智造 公众号

选择星标，干货及时送达

服装AI质检的核心是计算机视觉。这个词听起来高大上，但拆开来看就是三件事：让相机“看到”衣服、让算法“理解”衣服、让系统“判断”衣服。每一件事背后都有一个关键技术。理解了这三个技术，你就知道AI质检能做到什么、不能做到什么。

第一个技术叫“图像分割”。

相机拍到的画面里，不只有衣服，还有背景、有台面、可能有工人的手。图像分割要做的就是把衣服从背景里“抠”出来，让算法只关注衣服本身。听起来简单，做起来难。因为衣服是软的，边缘不清晰；深色衣服和深色背景容易混在一起；褶皱和阴影会让衣服的边界变得模糊。好的图像分割算法能在这些复杂条件下精确找到衣服的轮廓。

某服装厂的检测台面是不锈钢的，反光严重，导致分割算法经常把台面的反光当成衣服的一部分。后来换了亚光黑色的检测垫，问题就解决了。这说明分割技术虽然先进，但对现场环境还是有要求的。光照均匀、背景单一衣服展开平整，分割效果就越好。

第二个技术叫“关键点检测”。

衣服上的关键部位——领尖、肩点、袖窿、下摆、门襟——这些位置的准确识别是后续检测的基础。关键点检测要做的就是在衣服图像上自动标记出这些位置。这个技术靠的是深度学习模型，它经过大量标注图片的训练，学会了“领尖大概长什么样”、“肩点大概在什么位置”。即使衣服摆放的角度有偏差、尺码不同、面料有褶皱，它也能比较准确地找到这些关键点。某服装厂用关键点技术检测衬衫的领尖对称性。系统先识别出左右领尖的位置，然后计算两个点在水平和垂直方向上的偏差。偏差超过两毫米就报警。以前人工检这个项目，要拿尺子量、用眼睛瞄，效率低还不准。关键点检测把这个过程变成了自动化的、可量化的。

第三个技术叫“异常检测”。

这是最终判断衣服好坏的环节。异常检测的思路有两种。一种是“有监督”的：先告诉AI什么是疵点，它记住了，以后看到类似的就报警。这种方法的优点是精确，缺点是需要大量标注好的疵点样衣。另一种是“无监督”的：只告诉AI什么是好衣服，它自己学会了“好”的标准，然后任何偏离这个标准的东西都算异常。这种方法的优点是不需要标注疵点，缺点是误报率可能偏高，因为有些正常的差异（比如面料的自然纹理）也可能被当成异常。大多数成熟的服装AI质检系统会结合两种方法：用无监督做快速筛选，用有监督做精确分类。这样既保证检出率，又控制误报率。

这三个技术——图像分割、关键点检测、异常检测——是计算机视觉在服装质检中应用的三根支柱。缺了任何一个，系统都不完整。分割不准，算法看的就不是完整的衣服。关键点不准，尺寸测量和对称性判断就是错的。异常检测不准，该报的不报、不该报的乱报。

所以当你评估一套AI质检系统的时候，不需要被“深度学习”、“神经网络”这些词唬住，你可以问三个具体的问题：你们的图像分割在深色面料上效果怎么样？关键点检测在衣服有褶皱的时候还能准吗？异常检测的误报率是多少？这三个问题问出来，供应商就知道你是懂行的。

某服装厂的技术负责人在选型时就问了这三个问题。第一家供应商支支吾吾答不上来，第二家供应商拿出了详细的测试数据。他们选了第二家，上线后效果很稳定。他说：“技术这东西，不怕你不懂，就怕你装懂。问对问题，供应商就不敢忽悠你。”计算机视觉技术再复杂，落到车间里就是这三件事。搞清楚这三件事，你就搞清楚了服装AI质检能做到什么、不能做到什么、以及怎么判断一套系统好不好。

---

联系我们：

• 官方网站：https://jingli-electric.com

• 咨询热线：027-87003445

• 电子邮箱：sales@jingli-electric.com

• 办公地址：

湖北办公地址：武汉东湖新技术开发区光谷大道41号现代国际设计城二期B-1栋二层研发112号；

华南办公地址：广东省东莞市松山湖园区科技四路16号1栋1803

华东办公地址：宁波市海曙区柳丁街557号人才大厦318

让AI成为您工厂的“火眼金睛”与“安全卫士”，共同开启智能制造新时代！