化纤工业产品表面在制造过程中，会产生各种瑕疵缺陷，机器视觉检测设备检测到的光学特性，必然与产品本身有差异。当光线入射产品表面后，各种瑕疵缺陷会在反射、折射等方面表现出与周围有异样。例如，当均匀光垂直入射产品表面时，产品表面没有瑕疵缺陷，出射的方向不会发生改变，所探测到的光也是均匀的；当产品表面含有瑕疵缺陷时，出射的光线就会发生变化，所探测到的图像也要随之改变。

由于缺陷的存在，在其周围就发生了应力集中及变形，在图像中也容易观察。若遇到光透射型缺陷(如裂纹、气泡等)，光线在该缺陷位置会发生折射，光的强度比周围的要大，因而相机靶面上探测到的光也相应增强；若遇到光吸收型(如砂粒等)杂质，则该缺陷位置的光会变弱，相机靶面上探测到的光比周围的光要弱。分析相机采集到的图像信号的强弱变化、图像特征，便能获取相应的缺陷信息。

用机器视觉的方式质检化纤产品的质量是一个重要的生产步骤，但这不是一个新名词，目前很多工厂已经引进了传统的机器视觉技术，通过比对的形式提升了质检效率，近年来人工智能技术快如融入机器视觉领域，在人工智能的加持下，机器之眼更加明亮、准确、高效。借助深度学习，不仅可以将传统的基于规则的工业图像处理方法提升到一个新的水平，甚至还可以开辟出全新的机器视觉应用。目前AI机器视觉检测在多个质检领域的准确率已经接近99.99%，完全具备了超缺人工及传统视觉的识别精度。