纺织业在我国属于传统产业，目前，国内纺织业已经步入了转型升级的关键期。自2012年以来，国内纺织业的增长速度明显趋于平缓，其中原因之一就是纺织行业相关的配套设备发展比较缓慢。钢丝综是中小型纺织机上一种常用的易损件，需要定期更新，中国是纺织业大国，对纺织综的需求量较大。然而，目前国内却没有一款钢丝综产品质量的检测设备，对钢丝综产品的检测，生产企业大都采用人工检测的方法。人工检测存在随意性大，易疲劳，检测速度慢，容易漏检误检等缺点。本课题围绕研发一款钢丝综质量在线检测设备，提出了用机器视觉的方法对钢丝综质量进行在线检测，本课题主要完成了如下工作：（1）对钢丝综质量检测的研究现状、研究的难点等问题做了介绍，根据钢丝综质量检测的特点设计了检测流程。将钢丝综的检测分成常规缺陷的检测和复杂缺陷的检测两个步骤来完成，这两个步骤是顺序执行的关系，只有在第一个步骤检验合格后才会进入第二个步骤，否则直接标记检测结果是不合格，跳过第二个步骤，这样通过增加条件判断有利于降低系统开销；（2）搭建了机器视觉检测平台，对本课题涉及到的视觉系统各部分的知识做了简要说明，重点介绍了专门为本课题设计的双面成像装置以及废次品剔除策略；（3）对钢丝综检测中所涉及到的预处理算法做了介绍，重点介绍了本课题中使用的图像增强和阈值分割算法；（4）在缺陷的检测中，首先对耳环宽度、藏角、压白这些比较容易的缺陷进行了检测，详细论述了所涉及到的检测算法，在对藏角进行检测中，本课题提出用旋转主轴的方法对原始图像进行校正，效果较好；（5）在对比较复杂的缺陷的检测，提出了用5个几何量参数定位眼洞区域（感兴趣区域），这样通过定位感兴趣区域，缩小了目标范围，有利于后续的进一步处理；（6）对于复杂缺陷的检测，用灰度直方图、梯度特征和灰度共生矩阵相结合的方法分别对原始图像和经过Laws提取的纹理图像进行特征提取，提取到56个特征。在分类识别时，引入主成分分析对特征降维，引入支持向量机作为分类器。并且分别对线性核函数(Linear)、S型核函数(Sigmoid)、多项式核函数(Polynomial)、径向积核函数(RBF)4个核函数作用下的分类效果进行了比较，同时对只采用灰度直方图、梯度特征和只采用灰度共生矩阵的分类效果以及两类特征相结合的分类效果进行了比较，测试结果表明，用径向积核函数（RBF）得到的分类结果最好，两类特征结合的方法优于采用单一特征检测的方法；（7）完成了检测算法和软件的实现，完成了软硬件的测试，并且完成了对整套系统在工业现场的初步调试。