我国布匹的产量和需求都十分巨大,但是坯布的检测仍然以人工为主。因此,越来越多的研究人员对布匹疵点的自动化检测进行研究和实现,其中大部分的疵点检测都能达到不错的检测效果,而横路因其不明显的特征和不可修复的特性,成为疵点检测中的难点也是重点检测对象。本文先对自动验布机的结构和各个模块的一些元件进行了简单的介绍,并对这种设备采集到的大量坯布图像进行了筛选和处理,建立横路数据集。本文实现了Hough检测、自相关系数检测、横路边缘检测以及Radon检测。在对Radon变换效果的分析基础上,本文进一步提出了一种自适应的Radon检测算法:根据坯布的纹理计算相关系数和方差值,并利用小波变换剔除噪声影响,提取出横路的特征点。这种算法有效地减少人为的参数设置,并且大致地标记出横路的位置,算法准确率较高。本文之后又提出了一种基于Radon特征的卷积网络检测算法。本文先实现了两个经典的网络并结合样本情况对结构进行调整,然后训练并比较两个网络的分类效果。接着本文将Radon变换和卷积神经网络相结合,利用网络实现先分类后定位的横路检测算法。根据实验的结果,这种算法准确度相较于之前的自适应Radon变换有较好的提升,准确度达到了93%。最后本文利用MFC实现的模拟横路检测软件,证明该算法的实时性也能满足要求。