随着纺织工业整体向高质量、智能化和数字化方向的发展,成纱质量评价标准从最初简单的纱疵有无判断,向纱疵分类及分级发展,基于模拟电路的常规纱疵检测技术已无法满足现代纺纱生产的检测需求。而在棉纺纱疵的检测和定量分析研究中发现:纱线信号中混杂的噪声因子,增加了高准确度和辨识度纱疵特征的提取难度;纱线信号受多因素耦合作用的影响,信号与纱疵外观几何尺寸呈复杂的非线性关系,纱疵的定量分析模型建立比较困难。因此,本文开展了以下研究工作:首先,从纱线信号传感原理出发,建立纱线信号理论分析模型和仿真模型,分析了影响纱线信号的主要因素,为后续的纱疵检测和定量分析研究奠定理论基础;搭建了基于电容传感器的纱疵检测实验平台,获取了约450组纱线信号样本。其次,提出一种基于CWT-CNN的分步式纱疵分类方法。采用连续小波变换提取纱线信号中具备更高辨识度的二维时频特征,基于深度可分离卷积的纱疵分类网络,提出先“识别”后“分类”的分步式纱疵检测方法。以棉质21支纱为检测对象开展实验,实验结果表明:基于CWT-CNN的分步式纱疵检测方法在测试集上的识别精度可达到94.5%,并且检测耗时仅为单步式纱疵检测方法的1/5,证明了方法的准确性和高效性。进一步,提出一种基于堆叠学习的纱疵定量和分级方法。提取了纱疵定量分析相关时域特征参数,搭建基于堆叠学习的纱疵定量分析算法模型,并结合纱疵分级标准,实现对纱疵的定量分析和分级。同时,以纱疵信号数据集对方法开展实验验证,实验结果表明:基于堆叠学习的定量分析模型拟合优数R~2趋近于1,在拟合效果上均优于其他单模型算法,并且纱疵的分级结果与样本真实级别保持一致,说明基于堆叠学习的纱疵定量分析模型具备更好地稳定性和准确性;最后,基于纱疵分类算法和纱疵定量分析及分级算法开发纱疵检测和定量分析软件,并使用测试样本数据对该软件进行性能测试。测试结果表明:纱疵直径和纱疵长度等参数的定量分析结果与样本真实数据存在有1%～5%左右的可接受偏差,但是纱疵分级结果与真实级别基本一致,验证了本文研究方法的可行性和有效性。