我国是面料生产大国,对面料质量控制这一工作不容小觑。面料织造完成后的最后一个环节通常是对织物疵点的检测,进而评价其等级。织物瑕疵的产生一般与原料、织造工艺、织机状态等密切相关。加强对织物疵点的检测、提高织物疵点的检测效率、使用先进的织物疵点检测设备是提高织造企业核心竞争力的一个重要途径。然而,我国大部分纺织企业依然使用传统的人工验布。因此,开发新一代智能验布机是大势所趋。目前,已经存在两种基于机器视觉的自动验布平台:安装在织机卷布辊后上方的在线验布平台和织物织造完成后的离线验布平台。然而,在线验布需要克服织机的振动、离线验布因其造价高工作不稳定等原因均未被广泛应用于纺织工业检测中。本文在总结了近些年中外商用织物表观缺陷检测设备与学者们的研究成果后,提出了一个新型的基于机器视觉技术的机织物表观缺陷检测平台。该平台采用造价较低的面阵CCD相机采集织物图像,在完成织物图像采集后,使用千兆以太网技术把图像快速传输到图像处理系统,图像处理过程经图形处理器加速以实现实时检测,发现织物疵点图像后,把检测结果显示在人机交互界面上,适用于低速实时检测任务。在参考前人的研究工作的基础上,本文提出了实时检测平台的整体设计方案,包括检测平台设计要求、工作原理及组成结构。并完成对检测平台子模块的任务与功能的划分。在平台硬件系统设计上,织物传动系统的双电机同步控制与光电自动对边控制保证了织物的平稳传输。光源、镜头及工业CCD面阵相机完成对织物高清图像的采集。图像处理模块主要采用了基于PC的CPU+GPU通用异构并行处理架构来完成对图像的高速处理。在平台软件实时检测软件系统的设计上,本文基于CUDA设计了织物图像实时检测系统。首先对软件的整体功能进行介绍和模块的划分。然后分别设计了图像获取程序和人工交互界面。最后设计了图像处理程序,并结合CUDA编程模型提出了一种通用织物图像并行处理模型。其中,基于相机软件开发包(SDK)提供的应用编程接口(API)函数开发了图像获取程序以及基于MFC开发了人机交互界面,其具备相机操作、疵点检测、实时图像与疵点图像的显示、布面疵点检测结果显示等功能。最后对系统实时性分析后可知,该该检测平台具备实时处理能力。在完成平台软硬件设计与实现的基础上,依次完成了以传动、光照、相机、图像采集处理模块为主的硬件平台的调试、以图像采集、图像处理、人机界面为主的软件调试。为完成对实时检测平台的验证,算法上采用了一种基于特征参数匹配的疵点判别方法,并基于OPENCV实现了图像疵点的判别过程。分析图像串行处理过程后发现,灰度图像向彩色图像的转化、图像滤波、特别是子图像均值与方差的计算非常耗时,不利于检测平台实时性的实现。继而提出了基于CUDA的织物图像疵点判别算法的实现,完成了对图像的并行处理。经实验后发现,图像灰度化的CUDA并行处理提高了10倍左右,而图像滤波速度的提高到原来的2.6倍左右,织物分块求子图灰度均值与方差的处理速度则提高了近30倍。随后采用此检测算法对100m白坯布完成实际织物瑕疵检测实验,该平台基本满足实时检测要求并且检测得到8处织物疵点图像。本文研发出的一种使用面阵CCD相机采集图像、采用CUDA进行图像处理的实时机器验布平台。这为以后其他织物疵点图像实时处理算法的设计与实现奠定了良好基础,并为商用自动验布系统的开发提供了一种设计思路。