纺织业的发展一直推动我国经济发展。随着经济国际化和市场经济的推动,纺织品质量成为影响企业竞争力的关键因素。过去20多年,瑕疵检测主要依靠官能检测,人眼的累乏或环境的危险都无法保证纺织品的质量。随着信息时代来临,计算机开始走进几乎所有领域,工业自动化也越来越势不可挡。而基于机器视觉的织物瑕疵检测系统的研究则可以有效做到纺织品质量控制,且控制人工支出。基于现有的国内图像处理技术相关研究成果,还没有推出能面向市场的实时、在线的织物检测系统,则有必要对在线检测算法进行进一步研究。为了实现在线检测,各环节需要选取最适合系统的算法,即最高效和最符合需求的算法。检测算法是其中的关键,用于区别正常与异常纹理,之后基于一些区分准则提取缺陷所在区域。除此之外,检测算法还有特征提取、缺陷分类等环节,获取可以表征纹理的信息,再指定分类学习算法分辨信息。本文主要研究了以下几个内容：1.对采集的图像进行预处理。研究分析各类噪声处理算法,消减甚至消除因为系统或图像获取、传输过程中带来的各类不利噪声。研究阂值分割和图像增强常用算法,使经过预处理的图像最接近检测目标要求。2.提出基于LSD的改进算法,用于研究和实现毛巾计数。边沿是分割毛巾织面的标志,表现为一条直矩块。通过确定边沿中心点明确毛巾编号,方便瑕疵区域检测出之后,确定瑕疵位置。该算法先将图像进行简单的边缘处理,之后直线检测,来代替缩放达到消除锯齿效果,再进行梯度计算和寻找最长连通向量,然后处理经纬灰度变化,确定边沿的中心点。实验表明,此算法边沿识别率高于其他算法。3.提出了基于模板匹配的检测算法。根据经纬灰度变化周期在标准图中提取纹理基元后,在目标图中采用基于灰度的模板匹配方法定位基元,通过减少匹配信息和缩小搜索范围来减少运算量,再根据边沿位置和基元位置构建可变模板,再与目标图差分实现瑕疵检测。并与其他算法效果对比,证明有更高的瑕疵检出率。4.提出了基于区域分割的区域生长法的后处理算法,用于研究瑕疵分割和特征提取。种子选取后生长覆盖整个区域,再进行区域合并,意在合并一些点状、散状瑕疵,提高了瑕疵分割的准确率,便于特征提取。对大量特征值甄别,选取最适当的特征以减少运算量。对比其他的后处理算法,此算法对于分割有更好的效果。5.重点研究BP神经网络机制并根据本论文瑕疵特征进行设计。进行了瑕疵分类的算法对比研究,尤其是BP神经网络的结构、模型构建中的前馈算法、反传播算法的研究,后义进行设计与学习。6.基于OpenCV的软件平台开发。软件可以连接摄像头,也可以处理视频,达到检测毛巾数、瑕疵数、瑕疵所在毛巾编号以及瑕疵类型的在线检测效果,再通过算法优化使其趋向最优效果实现。