纺织品是日常使用及消耗较多的日用品之一,每年都有大量的纺织品被消耗。存在缺陷的纺织品,其价格和使用体验都会受到较大的影响。目前,国内纺织品缺陷检测主要是由人工完成,然而人工检测存在测速度慢、可靠性低和易受主观因素影响等问题。基于机器视觉的缺陷检测方法恰好能有效解决这些问题,故本文针对基于机器视觉的网孔织物缺陷检测系统进行了研究,主要研究内容包含:（1）网孔织物缺陷检测系统搭建。为了保证检测系统采集到清晰的图像,减少外部恶劣环境的影响,需要合理设计硬件安装框架。其次,根据网孔织物缺陷检测的精度要求,对缺陷检测系统的硬件设备进行设计和选型。（2）网孔织物图像预处理算法研究。为了解决网孔织物图像对比度低和噪声点多的问题,作者提出三种有效的图像增强和去噪算法。灰度变换算法:在直方图均衡化算法增强图像的基础上,利用Sigmoid曲线对图像进行灰度变换,增加网孔织物图像的明暗对比度,使织物像素点和网孔像素点的差异更加明显。高斯金字塔算法:通过高斯金字塔算法对网孔织物图像进行下采样和上采样,不仅可增强织物纹理轮廓而且可消除图像中的噪声点。图像融合算法:首先,利用直方图均衡算法和双线性插值算法增强织物中心区域抑制网孔和织物边缘区域;然后,利用二维信息熵算法增强织物边缘区域抑制网孔和织物中心区域;最后,融合两幅图像达到增强织物像素点的目的。三种图像预处理算法可为后续的图像分割和缺陷检测提供高质量网孔织物图像。（3）网孔织物图像分割算法研究。从网孔织物图像中分割出完整的网孔是网孔织物缺陷检测的重要步骤,作者根据不同的分割原则提出三种网孔织物图像分割算法。基于改进FCM的图像分割算法:在FCM算法中添加空间信息增加网孔织物图像的分割正确率,首先,建立十字交叉滤波器获取每个织物像素点的空间信息;然后,将FCM算法中的隶属矩阵和双阈值分类算法相结合将空间信息添加到分割原理中。区域灰度极小值分割算法:首先,建立区域灰度极小值分割算法理论,获取每个像素点的局部区间,并将判定为区域极小值的像素点划分为网孔像素点;然后,创建多图像融合算法理论,融合多幅基于区域灰度极小值算法分割出的图像,该算法不仅避免了阈值选择还减少了网孔粘连的现象。灰度投影修正算法:首先,采用传统OTSU算法将网孔织物图像分割为仅含部分网孔粘连的图像;然后,利用灰度投影算法寻找粘连网孔并进行去粘连处理,解决了网孔织物图像分割结果中网孔粘连的问题。三种图像分割算法可以为缺陷检测步骤提供完整的网孔分割图,提高网孔织物缺陷检测的正确率。（4）网孔织物特征提取和缺陷检测算法研究。网孔织物图像属于周期性纹理图像,缺陷会严重破坏网孔图像中网孔形状和其分布状况,基于此特征,本文将网孔织物缺陷检测问题转化为网孔分类问题。首先,提取网孔的几何特征作为特征值;其次,训练样本数据创建决策树分类器和BP神经网络分类器;最后,将不同类型网孔划分为无缺陷网孔和缺陷网孔以完成网孔织物的缺陷检测。（5）实验研究。根据本文研究内容对图像分割算法和网孔分类算法进行了实验验证。一方面,对三种改进的图像分割算法进行实验并以完整分割网孔为标准计算网孔分割正确率,验证本文所提分割算法的有效性。另一方面,对设计和训练的决策树分类器和BP神经网络分类器进行实验,验证网孔分类和缺陷检测的准确性。实验结果表明,本文设计的网孔织物缺陷检测系统能较好的完成缺陷检测任务。