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 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