纺织品织物厚度测试,纺织物缺陷检测

纺织品织物厚度测试是评估织物品质的基础物理指标，核心是在规定压力、压脚与时间下，测量两平行板间的垂直距离，国内通用 GB/T 3820-1997（等同 ISO 5084:1996）国家标准化管理委员会。

适用范围

适用于机织物、针织物、非织造布、涂层织物、毛绒织物、土工布等。

测试仪器（织物厚度仪）

核心结构：基准参考板、圆形压脚、加压系统、厚度显示器

关键参数（GB/T 3820）

压脚面积：普通织物 2000±20 mm²（φ≈50.5 mm）；毛绒 / 蓬松织物可用 10000 mm²；薄型 / 有花纹可用 2500 mm² 或更小

测试压力：常规 1±0.01 kPa；毛绒 / 蓬松 0.1 kPa；非织造布 0.5 kPa；土工布 2 kPa

加压时间：10 s（稳定后读数）

量程：常用 0~25 mm，精度 0.01 mm

样品预处理（关键）

取样：距布边 ≥150 mm，裁取 ≥5 块试样（一般 10×10 cm），无折痕、无疵点

调湿：标准大气 20±2 ℃、65±4% RH，松弛状态平衡

天然纤维 ≥16 h

合成纤维 ≥2 h

无回潮纤维可直接测

测试步骤（标准流程）

校准：清洁压脚与参考板，空载置零

放样：无张力、平整平铺于基准板

加压：平稳落下压脚，施加规定压力

读数：保压 10 s 后读取厚度值

多点测试：同一样品测 ≥5 点，避开褶皱、花纹集中区

结果计算

平均厚度：d̅ = (d₁+d₂+…+dₙ)/n（保留 2 位小数）

变异系数：CV(%) = (标准差/平均值)×100（反映均匀度）

常见影响因素

压力：压力越大，厚度越小（蓬松织物尤敏感）

压脚：压脚过小易陷入花纹，结果偏小

时间：加压不足 10 s 易偏高

调湿：吸湿不充分导致数据波动

测试报告内容

标准号（GB/T 3820-1997）

样品信息、压脚面积、压力、加压时间

各点值、平均值、CV%

异常现象与偏离说明

纺织物缺陷检测是纺织品质量控制的核心环节，主要分为人工视觉检测、传统机器视觉检测与深度学习智能检测三大类。目前主流方案已从人工逐步转向基于 AI 视觉的自动化在线检测，以实现高速、高准确率、全天候的质量管控。

常见纺织物缺陷类型

主要分为织造缺陷、印染缺陷、纱线缺陷和外来杂物四大类：

1. 织造结构缺陷

断纱 / 破洞：经纱或纬纱断裂，形成孔洞。

跳纱 / 跳花：纱线未按组织规律交织。

稀路 / 密路（云织）：经向或纬向出现密度异常的条纹。

纬斜 / 纬弯：纬纱与经纱不垂直，呈斜线或弧线。

停车痕：织机启停造成的横条痕。

经缩 / 纬缩：纱线张力不均导致的起皱、扭结。

2. 印染与颜色缺陷

色差：布面、匹间、左右幅颜色不一致。

色渍 / 油渍 / 水斑 / 锈斑：局部染色异常或污渍。

塞网 / 露白：印花网孔堵塞，图案不全或底色透出。

条花 / 横裆：染色不匀形成的纵向 / 横向色条。

3. 纱线本身缺陷

粗节 / 细节 / 大肚纱：纱线直径忽粗忽细。

棉结 / 杂质：纱线中的扭结颗粒或混入异物。

毛羽：纱线表面纤维突出过长。

4. 其他外观缺陷

勾丝 / 擦伤：表面纤维被勾断或刮伤。

折痕 / 皱印：后整理不当产生的yongjiu性压痕。

传统检测方法

1. 人工视觉检测（标准四分制 / 十分制）

方法：验布工在标准光源（D65）下，以恒定速度（约 15-20m/min）检视布面，按四分制评分。

四分制标准：按疵点长度扣分

0-3cm：1 分

3-6cm：2 分

6-9cm：3 分

9cm：4 分

判定：每 100 平方码扣分≤28 分为合格。

优缺点：灵活、成本低；但效率低（300-500m / 人 / 天）、易疲劳漏检（漏检率约 5%-10%）、主观性强。

2. 传统机器视觉（基于图像处理）

核心原理：用线阵相机高速扫描，通过算法提取纹理、灰度、边缘特征，与标准模板比对。

常用算法

Gabor 滤波：Zui经典，擅长检测周期性纹理中的疵点（稀密路、跳纱）。

小波变换：多尺度分析，检测微弱、模糊缺陷。

灰度共生矩阵（GLCM）：分析纹理粗糙度变化。

阈值分割：检测油污、色渍等灰度突变区域。

优缺点：速度快（>100m/min）、客观；但对复杂花纹、浅色、弱纹理缺陷适应性差，易误检。

主流智能检测技术（深度学习）

当前工业界主流方案，检出率 > 95%，漏检率 < 0.5%，可适配平纹、斜纹、提花、色织、针织等多种织物国家数据局。

1. 核心技术架构

硬件：高分辨率线阵 CCD 相机（4K-8K）+ 恒定 LED 背光 / 前光 + 高速图像采集卡国家数据局。

软件算法（主流模型）

监督学习（目标检测）

YOLO/SSD：单阶段检测，速度极快（实时 > 200m/min），适合在线检测。

Faster R-CNN：两阶段检测，精度Zui高，适合复杂缺陷定位。

无监督 / 半监督学习（解决缺陷样本少）

自编码器（AE）/ 变分自编码器（VAE）：学习 “正常纹理”，通过重构误差识别异常。

生成对抗网络（GAN）：生成缺陷样本，扩充数据集。

标准化流模型（Normalizing Flow）：精准计算异常概率，实现像素级分割。

2. 智能检测系统性能指标国家数据局

检测速度：100-600 m/min

检测精度：Zui小缺陷尺寸 0.05-0.1 mm

检出率：95%-99%

误检率：<1%

缺陷分类：支持 50 + 种常见缺陷自动分类与记录

主要检测标准（国内 / 国际）

中国

GB/T 17759：纺织品织物疵点检验条件

GB/T 406：棉本色布疵点检验规程

GB/T 29862：纤维含量标识

国际

ASTM D5430：美国四分制标准

ISO 8498：国际疵点术语与图示

AATCC 179：纬斜测定方法

技术选型建议

小批量、多品种、高附加值面料：人工 + AI 辅助复核。

大批量、标准化、高速生产线（如坯布、家纺）：全流程 AI 在线检测系统。

研发 / 实验室：高分辨率离线 AI 检测台，支持缺陷分析与工艺优化。

发展趋势

算法：从监督学习转向小样本 / 无监督学习，降低对标注数据的依赖。

融合：机器视觉 + AI + 物联网（IoT），实现缺陷实时报警、工艺自动调整、全流程质量追溯。

精度：向亚毫米级微观缺陷检测发展（如纤维级疵点）。