织布企业在完成织布后,一般会对织物进行疵点检测。目前国内大部分企业仍采用人工方式完成,国内外学者对自动验布系统开展了大量研究,也推出一些基于机器视觉的验布样机与相关商业设备,但是市场对其接受度不高。主要原因有:织物和疵点种类繁多,通用性较难保证,同时检测效率较低,总体设备成本较高。此外,目前织布、验布工序分开,在减少辅助工艺与信息数据可用性方面吸引力不强。基于课题专利（CN201910525250.X）中提出的创新思想,本文设计研究了三种集成于织布机上的白坯布疵点检测算法,在织布过程中完成对织物疵点的检测与识别,主要内容包括:首先提出在织白坯布疵点检测系统的设计要求,设计实验验证平台的总体方案,设计图像采集模块,完成拍摄方案、精度、工业相机、镜头和光源的设计与选择。第二,研究基于阈值分割的疵点检测算法。使用中值滤波对纹理信息抑制后,通过对限制对比度的直方图均衡化算法中对比度和区域等参数的优选增强弱化的疵点特征,改进了直方图均衡化在处理光照不均匀的织物图像疵点特征时无法针对性的增强疵点特征的缺点。光照不均匀导致的光晕使得固定阈值法和全局阈值自动选取法无法分割织物图像的疵点特征,基于局部光照相对均匀的思想,设计了自适应阈值法分割疵点特征,该算法可以大幅减弱光照影响实现疵点分割。获得疵点特征后通过连通域面积过滤、膨胀等操作清除干扰区域,获取清晰的疵点信息。该算法的疵点检出率和实时性较高,但该算法通用性表现较弱,对于生产织物种类较少的小型项目该算法经过简单调试即可实际应用。第三,研究基于统计学的织物疵点检测算法。织物图像具有明显的纹理,灰度共生矩阵是纹理分析的经典方法。首先设计了分块计算灰度共生矩阵的算法,改进了经典的灰度共生矩阵实时性差无法满足实际工程需要的缺点。针对分块后块边缘疵点特征容易丢失的问题,设计了多位置裁剪图像的算法,这种算法有效的保留了块边缘疵点特征。之后使用直方图均衡化,计算特征值、分析特征值得到疵点信息。这种算法通用性和实时性都较高,但是其检测效率较低。最后,研究融合统计学算法的模板匹配的疵点检测算法。基于局部区域光照相对均匀的思想,设计了一种分区域进行模板匹配的算法,对图像的同一位置进行灰度共生矩阵特征值模板匹配,大幅降低对光照的要求,提高了检测效率。基于高斯分布模型,设计了一种基于高斯分布模型的模板设计算法,实现了自动获取判断疵点的阈值,并消除偶然误差对模板匹配的影响,在检测过程中使用该模板判断目标位置是否含有疵点。这种算法在保留了统计学算法通用性和实时性优点的同时改进了其对光照条件要求过高的问题,疵点检出率得到了大幅提高。