随着疫情的有效控制，口罩现有生产线全力开工的同时，新生产线也在火速落成。企业“火力全开”，口罩供应短缺渐得缓解。然而面对企业加速生产，如何做到保质保量，也是口罩生产商面临的压力和问题。

日前，文化科技园企业北京矩视智能科技有限公司研发助力口罩原料检测“小神器”，利用深度学习算法框架结合自主研发的外观检测模型成功实现了口罩主要材料无纺布检测云端化，为口罩生产商提供助力。

一、产品

矩视智能工业AI视觉云平台(www.nb-ai.com)利用深度学习算法框架结合自主研发的外观检测模型成功实现了无纺布检测云端化，用户只需通过在线标注、训练的方式进行自定义学习。成功实现了复杂场景下的识别检测，同时具有抗干扰能力强、准确率高、算法自升级等优势，可满足绝大部分工业场景的检测标准。

二、无纺布检测的重要性

无纺布作为口罩主要材料，其生产速度与质量对口罩的生产起到了绝对性作用。无纺布表面很容易出现蚊虫、黑点、孔洞、污点等缺陷。这些缺陷的出现严重影响布匹的外观，由于无纺布是由纤维材料经过物理粘合而成，其外观的质量直接反映出加工技术和产品内部质量，从而影响口罩的性能及等级评价。所以无纺布缺陷检测是生产过程中很重要的一环，必须要准确及时地发现其存在的缺陷，并采用有效规范的措施进行处理。

三、传统视觉检测系统的局限性

传统视觉检测系统主要依赖于性能优越的硬件来完成高速精确地系统运行，还需要根据场景的变化不断地调整阈值，对工人的技术水平要求较高，在检测产品种类以及缺陷分类方面也存在着局限性。

传统视觉检测系统主要对单色或者组织结构简单的表面进行检测，对图像的边缘特征有着严格的要求，需要缺陷部分边缘非常明显才可准确识别，且只能检测出缺纱、断纱、织疵、纱疵、破洞、油污、开机痕、染色等肉眼可见的明显缺陷，很难保证在高速生产线上实现零缺陷检测的要求。

四、矩视智能工业AI视觉云平台无纺布缺陷检测

（一）专属底层卷积神经网络架构

工业AI视觉云平台针对无纺布缺陷检测搭建了专属底层卷积神经网络架构，降低对工人自身的技术要求，只需工人在线上传不同缺陷数据图片进行标注训练，即可准确提取像素级的缺陷进行识别定位，最终实现高速生产线上零缺陷生产的目标。

（二）识别效果不受背景颜色干扰

不同的无纺布，颜色及纹理不同，检测难度也不同。工业AI视觉云平台无需开发人员耗费大量时间调整阈值，只需上传不同缺陷的图片进行标注训练即可实现自动升级功能，识别结果不会受到颜色、背景等外界因素干扰，降低生产成本的同时可以将工人从繁重的工作中解放出来，发挥更多的价值。

（三）识别速度最高达到毫秒级别

传统视觉检测系统易受杂质数量、环境、位置、尺寸影响，最高检测速度只能达到秒级，工业AI视觉云平台利用深度学习算法配合GPU可同时检测一张图片内的多种缺陷，识别速度最高达到毫秒级别。

北京矩视智能科技有限公司2017年10月入驻人大孵化器。创始人弭宝瞳，中国人民大学计算机博士，连续创业者。历时3年发展，矩视智能已经拥有来自国内外著名高校的研发团队，已落地近百个工业视觉场景，获融资近千万元。

未来，矩视智能将继续深挖工业视觉领域的通用人工智能，凭借矩视智能强大的产品化和市场化优势，切实推动人工智能在工业视觉领域应用落地。

矩视智能是人大孵化器的企业代表，也是共抗疫情的万千企业中的一份子，在新冠肺炎疫情面前，矩视智能用科技传递温暖。不获全胜，不轻言收兵。人大孵化器也在积极行动，保障入孵企业复工复产，为园区企业工作人员健康护航。让我们一起努力，共待可以拥抱的春天！