近年来，工业生产越来越重视产品的质量，要求产品可靠性高和精度高。因此仅仅具备高科技生产环境不够，还要有强大的产品质量检测及控制能力。随着计算机技术、人工智能技术的发展，产品的表面测试、测量和识别分类等自动化变为现实并广泛应用。织物的质量检测属于此类应用。本文织物表面质量检测研究借助于MATLAB图像处理、小波分析、人工神经网络三大工具，对图像处理、以BP神经网络识别织物疵点检测后，对织物进行质量评定及质量控制实现自动化。首先，介绍了织物表面质量检测的意义及现有的织物表面质量检测研究方法，简要介绍了织物等相关知识，并简要阐述了现有的织物质量评价及质量控制的方法。其次，针对传统织物疵点检测的缺点，以图像处理、分形及小波技术为手段，进行织物疵点检测。再次，以MATLAB为计算机辅助软件，以4分制标准为评分标准，用BP神经网络结合遗传算法对织物的表面质量进行计算机评定。最后对所检测的疵点进行总结，得出织物表面疵点形成原因及解决方法，把疵点及形成疵点原因的工序建立对应关系，通过神经网络对其实施计算机控制，便在以后的生产过程中进行质量控制。本研究侧重于基于图像处理的织物表面质量评定及控制。在实验中以白色坯布为研究对象，研究机织物的几种最常见疵点，对出现率高的疵点识别，正确识别率达到97%。