目前对无纺布缺陷进行检测主要是通过人工检测的方法来解决，然而这种方法的检测处理速度比较慢，同时会给工人造成比较高的劳动强度，最终的检测效果也同时会极大地受到检验人员的工作经验、对工序操作熟悉程度等诸多因素的影响，从而使得检测结果并不可靠。随着纺织行业不断发展生产规模不断扩大，开发一种无纺布缺陷在线检测系统来实现稳定快速精确检测的需求越来越迫切。本论文的组织结构如下：首先，对于无纺布缺陷检测的研究发展以及应用情况做了简要介绍，阐释了无纺布在线检测系统总体的设计路线以及相关的理论基础，分析应用于实际生产过程时对算法的性能要求，为了合理有效利用无纺布表面的方向性纹理特征，提出基于Gabor滤波器的缺陷检测方法，并结合OTSU法进行图像分割提取缺陷区域。针对Gabor滤波器的参数设置这一个关键性问题，采取了实验比较法来逐一分析各个变量对于检测结果的影响，最终确定合理的滤波器参数，通过在不同类型缺陷的实验验证算法的有效性，通过与各种典型的缺陷检测方法进行比较分析，显示出Gabor滤波检测方法的优越性能。接着，针对系统设计中的缺陷分类这一问题，采用了基于BP神经网络的方法，对于其构成以及不同层神经元的数目选择进行了深入研究，对于常见缺陷类型的实验结果验证了算法的有效性。最后，总结了本次缺陷检测系统设计所采用方法存在的缺陷以及今后进行完善的关键点，并对缺陷检测今后的研究前景与发展方向进行了展望。本论文提出并实现了无纺布缺陷检测的相关算法，并应用OpenCV图像处理库函数进行实验研究。实验结果表明系统运行稳定，计算结果准确满足实时性要求。