成都某家用柔性电热取暖器具和家庭卫生杀虫产品行业主导企业生产的电热毯均采用人工穿发热线，人工检测的方式生产。由于人的主观因素及产品缺陷的多样性等因素，检测工作容易出错且检测效率不高。为降低质量风险，提高生产效率，客户委托我公司为其定制穿线缺陷检测设备。

      由于电热毯具有一定厚度且材质不均匀，采用普通光源和相机难以获得满意的图像。通过大量的实验，我公司最终采用红外光源和红外相机对电热毯进行成像。通过对数千张缺陷/合格品电热毯图像采集，我们发现电热毯绞扣缺陷种类繁多，采用常规机器视觉算法难以实现稳定的检测，故采用深度学习系统，通过建立各种缺陷的学习集，通过基于多层神经网络深度学习软件对缺陷进行学习，并通过验证集对学习效果进行验证。通过多次长时间的训练，最后获得检测模型，从而实现绞扣缺陷的检测。