随着工业自动化的发展,纺织业的生产自动化已是必然趋势。随之而来的产品质量越来越受到关注,提高产品质量,加快自动检测技术的研究是当务之急。本文对基于机器视觉技术坯布图像在线检测中识别算法进行了研究,并完成了对坯布在线检测关键技术的研究及实现。首先,建立了坯布分类评价标准并对各种疵点特征进行了分析,为识别分类提供了依据;论述了坯布疵点识别原理,提出了坯布疵点在线检测软件系统设计方案,详细分析了图像的处理过程,并对坯布图像的预处理过程做了简要介绍。其次,对经过均衡化、中值滤波和错位差影算法预处理后,得到的已经去除噪声和减少坯布纹理影响的较高质量图像,提出了一种基于结构直方波、小波变换和数学形态学的疵点特征提取方法。首先对坯布图像在空间域上进行结构直方波和小波变换,提取出图像特征值,判别是否疵点。若是疵点,再经阈值分割得到二值图像,采用数学形态学方法提取坯布疵点几何特征,用于疵点分类。在算法实现上,先采用Lab VIEW软件,方便快捷地对算法分析,然后采用Visual C++编程,结合基于计算机硬件的优化指令集IPP类库,对特征提取算法实现。最后,对坯布疵点进行识别与分类,提出建立两个神经网络,一个用于判别坯布图像是否有疵点,另一个则用于对含有疵点的图像进行分类。在标准BP网络算法的基础上,提出了一种改进BP算法,并应用于坯布在线检测中,结果表明改进的BP算法训练速度快,识别分类精度高。