本文研究利用神经网络对织物起毛起球等级进行客观评价的方法。BP算法作为人工神经网络的传统常用训练算法具有寻优精确的特点但也存在不足之处。在本文中，针对BP神经网络由于初始权值的随机选取而造成陷入局部极小的问题，而引入以遗传算法为基础的BP神经网络学习算法。遗传算法具有很强的宏观搜索能力和良好的全局优化性能。利用遗传算法自身特有的优势找到BP神经网络权值的全局最优解进而提高BP神经网络的收敛速度和精度。该算法使BP神经网络的快速并行性和遗传算法的全局搜索性相结合，首先利用遗传算法对神经网络初始权值和阈值进行全面进化设计，在解空间中定位出较好的搜索空间，然后在进化神经网络中用训练样本再次寻优。　　 本文引入遗传算法以优化BP神经网络的网络结构、网络连接权值和阈值，而建立基于遗传算法的BP神经网络模型并试用于对织物起毛起球的客观评价。实验结果表明该算法可避免BP算法易于陷入局部极小值、训练速度慢、误差函数必须可导等缺陷，而且既能够快速地收敛到全局最优解，又能够在简化网络结构复杂度的同时得到网络权值的最佳逼近。对织物起毛起球的客观评级可以获得较好的结果，也就是说基于遗传算法的BP神经网络模型在织物起毛起球等级的客观评价中具有一定的实用价值。