基于机器视觉的产品质量自动检测技术越来越受到重视,为实现产品质量的高速、高精度自动检测提供了一条重要途径。本文围绕基于机器视觉的纺织品外观疵点检测技术展开,着重探讨了系统架构和主要硬件对系统实现的影响,研究了纺织品图像处理算法,在此基础上研制并开发了一套纺织品外观疵点检测样机。首先,针对纺织品不同幅宽、高速高精度的检测要求,综合考虑纺织品在图像采集、处理、疵点分类等方面的特点。特别是对于宽幅面织物的检测中,分布式的系统结构有利于实现对宽幅面纺织品的完全检测,并能够有效降低系统的计算负荷。通过分析纺织品图像存在的噪声与纹理,研究数字图像处理中的线性滤波方法,设计了一种基于高斯核的自适应滤波器。该滤波器应用效果好于传统线性平滑滤波器,不仅能实现织物图像的有效降噪,还能降低对图像中目标区域的模糊,有利于后续处理。为实现在周期性纹理的纺织品图像中寻找疵点区域,研究了一种基于自适应一阶微分算子与形态学梯度的边缘增强方法和基于图像统计特征的高精度自适应阈值分割算法。之后,提出了一种基于可变尺度扫描的疵点快速聚类算法,用于减少图像预处理后疵点损失的问题。然后,根据坯布疵点的常见类型,提出了一种结合疵点典型空间域特征量的基于谱特征的纺织品疵点识别方法,并建立纺织品外观疵点特征向量集将其作为分类标准,输入到基于改进BP神经网络的纺织品外观疵点分类器分类,得到目标区域的疵点类别,最后根据中国国家标准GB/T 17759-1999、国际标准ISO/DIS 8498-1990等建立一套基于四分制标准的纺织品外观疵点评价系统,对所检纺织品打分定级。最后,在上述算法和方案的基础上,设计开发了一套纺织品外观疵点检测装置。实验表明,本设备的在线检测速度为2~70 m/min ,离线检测速度为80~200 m/min,最高检测精度为0.5 mm,能识别8大类疵点,准确率高。