疵点检测是无纺布生产过程中非常重要的环节。传统的疵点检测方式主要靠人工来完成，随着数字图像处理技术与计算机科学的飞速发展，基于机器视觉的实时在线疵点检测方法越来越受到关注。视觉在线检测系统能够适应复杂的工业环境，检测精度高，实时性强，对无纺布的疵点检测问题具有现实意义。针对无纺布表面各类型疵点的不同频率特性，本文采用Gabor小波滤波方法对无纺布图像进行疵点分割，Gabor小波可以从不同的尺度和方向反应疵点在局部区域的灰度值的变化。为了提高检测精度，本文设计了一种最优Gabor滤波器组的参数设定方法，使Gabor滤波器组能对不同频率特性的疵点有不同响应的峰值，从而在结果图像中表现出不同的灰度等级，这样疵点区域就可方便地被分割出来。实验结果表明，基于Gabor滤波器的疵点检测算法准确性良好，但实时性仍不足。为了改善检测算法的实时性，本文提出一种基于CUDA的并行计算方法，以Gabor小波滤波器为理论基础，在GPU平台上实现了无纺布疵点检测并行算法。该方法在GPU中同时发射多个线程并行执行计算任务，每个线程处理图像中的一个像素点，大大提高了计算效率。实验结果表明，基于CUDA的并行算法极大提升了检测速度，同时又保证了准确性。本文从硬件和软件两方面阐述了无纺布疵点检测系统的实现方法，分析了系统各个组成部分的功能与实现方式。对实现过程中遇到的诸多问题给出了具体解决方法，对检测系统未来可能的工业应用作出了展望。