产品质量是生产型企业的命脉，对织物的疵点检测一直是纺织企业生产过程中不可替代的环节。传统的纺织企业大都采用人眼观察完成织物疵点的检测，该方法具有劳动强度大、枯燥乏味，检测人员容易受情绪等因素影响，一般存在误检率和漏检率较高，检测速度慢等缺点。因此用机器视觉代替人工的自动检测技术已成为国内外研究的热点。本文研究对象为帘子布，是一种周期性结构纹理布匹。该系统包括硬件平台和软件检测系统。文中先从硬件选型开始搭建硬件平台，该平台主要有为六部分组成：分别为线阵相机、镜头、光源、图像采集卡、计长工具和工业计算机。相机、镜头和光源构成图像采集系统；计长工具提供编码器脉冲信号来计算帘子布疵点的垂直位置，另一个重要功能是为线阵相机提供外部触发信号用于拍照；采集卡将相机采集的图像存储到工业计算机中；计算机将采集到的图像信息加以处理得到疵点信息和位置。软件系统主要包括疵点检测算法设计和软件系统模块设计。在疵点检测算法设计中，主要考虑如何将重复性、周期性的纹理滤除，使疵点所在位置显现，再用阈值分割方法将疵点所在感兴趣区域提取处理出来。本文介绍了基于Gabor滤波器组、基于形态学处理和基于傅里叶分析的帘子布疵点检测方法，并对三种方法进行了实验比较与数据分析，确定了基于傅里叶分析的帘子布疵点检测方法，该方法不受疵点大小和方向角的限制，实验证明该方法具有较高的检测精度和较低的漏检率。特征选取是疵点分类算法中研究的重点，本文着重从疵点的像素特征和结构特征进行研究，选取感兴趣区域的平均灰度值和最小外接矩形的长、宽、长宽比、面积和方向角作为特征，并将特征归一化后作为BP神经网络的输入进行分类，识别率90%以上。