纺织裁片是汽车座椅、服装等诸多行业中成品加工过程中裁床裁切的中间件,其质量是决定成品品质的一个关键。其中,在多周期花纹裁片中,花纹的偏斜角与周期长度是衡量裁片是否合格的重要的指标。目前工业领域对这两个参数的测量主要靠手工检测,耗时、耗力,且对具有复杂花纹的裁片检测效率更低。除此之外,由于裁片花纹种类繁多,造成在实际生产过程中只能进行人工抽检,无法对每一片裁片都进行检测。从而时常发生花纹裁片质量不合格而未能发现的情况,导致成品质量下降,引发经济损失。因此,提出一种多周期花纹裁片花纹偏斜角与周期长度的测量方法,建立裁片自动化检测系统,对提高裁片生产企业的生产水平与生产力具有重要的意义。本文结合图像处理技术与深度学习理论,提出了一种基于改进的Faster R-CNN的裁片花纹检测及参数测量方法。首先,本文设计了一套由二维机械臂和面阵相机组成的图像采集系统,机械臂在前后、左右两个空间维度上运动,通过控制运动可采集任何部位清晰的花纹纹理图像。其次,提出了一种基于Faster R-CNN网络的多周期花纹定位方法,并且引入花纹角度预测功能对倾斜的花纹进行有效的检测。此外,通过对ROI池化原理的分析,设计了多尺度ROI池化结构,将RPN网络生成的建议窗口比例调整为三种更加符合花纹比例的窗口尺寸,提高了花纹的定位精度。在此基础上,进一步提出了花纹的精确定位方法。使用阈值分割方法对建议窗口中的花纹外轮廓进行分割,通过中心定理求取花纹中心点,得到反映花纹周期特征的中心点分布图。最后,在花纹中心点分布图的基础上,计算相邻周期的花纹中心点间距离得到花纹周期长度;采用基于最小二乘的直线拟合方法连接同一周期线上的中心点,结合三角函数原理求取花纹偏斜角度。综上,本文建立了一套全新的裁片多周期花纹参数测量方法,实现了对花纹偏斜角与周期长度的自动测量。实验结果表明,本方法能够成功的定位花纹并提取周期特征,有效的对花纹的偏斜角与周期长度进行测量。