帘子布的生产过程中会产生疵点,这些疵点直接导致帘子布质量的下降,进而影响着产品的销售及出口等。本文研究的目的是找到基于机器视觉的帘子布疵点的快速检测方法。本文在对国内外关于该领域研究成果的学习和研究的基础上,提出了一种帘子布疵点的检测方法。在帘子布图像的疵点快速判别部分,采用了基于图像局部熵的原理和方法,给出了帘子布图像经分割成子图像后的局部熵矩阵,通过对最大熵和最小熵的差值来判断图像是否含有疵点,解决了疵点图像的快速判别问题;疵点图像分割部分,采用了基于模糊理论的最大熵分割方法,并将分割后的效果和经典Otsu进行了对比,说明了基于最大模糊熵的图像分割方法较好;在帘子布疵点的识别分类算法研究方面,特征参数采用了帘子布的疵点长度L、疵点宽度W、疵点的经纬伸长度R、疵点面积S及疵点的紧密度C五个特征常量;疵点的识别采用基于BP神经网络的识别原理和方法,详细论述了输入输出数据的处理、网络构建中的神经元数和训练方法的选择,最后采用测试样本对识别网络进行了仿真测试,并给出了训练后的网络权值矩阵、偏置值矩阵和部分测试样本的输出结果。仿真结果表明,本课题所研究的疵点检测方法分类效果达到90%左右,所做的研究有良好的应用前景。