在纺织行业中,织物疵点检测是保障布匹质量的重要方式之一。传统的人工检测存在速度慢,劳动强度大等缺点,而且其检测精度会受到验布员主观的疲劳程度与工作经验影响,缺乏可靠性与一致性。因此,织物疵点的自动检测系统研究对纺织业的快速发展具有深远意义。本文的研究内容主要包括织物疵点检测算法和基于机器视觉的织物疵点在线检测系统,具体的工作如下:(1)针对有图案织物疵点问题,提出了Gabor滤波器和黄金模板减法的织物疵点检测算法。该算法在训练阶段利用人工实验统计方法或遗传算法来选择与特定织物纹理相匹配的Gabor滤波器参数,并将其构成最优的Gabor滤波器。而检测阶段是在经过滤波后的黄金模板和待检测织物图像上执行黄金模板减法算法,并采用直接阈值法求取分割阈值,从而实现对织物疵点的阈值分割。实验结果表明:该算法对有图案织物疵点具有较好的检测效果。(2)针对坯布织物疵点问题,提出了最优树结构小波分解和黄金模板减法的织物疵点检测算法。该算法在训练阶段通过主成分分析降低小波树结构分解的子图像个数,并运用独立成分分析获得分离矩阵。而检测阶段依然采用黄金模板减法和直接阈值法分割出瑕疵区域。此外,也提出了该算法与小波预处理黄金模板减法算法的对比。实验结果表明,该算法对坯布织物疵点有较高的检测率。(3)针对纹理背景对比度高的规则图案织物疵点问题,提出了基于Halcon的织物疵点检测算法。本算法调用各种Halcon算子对待检测织物图像进行灰度化和均值滤波预处理,进而通过面积大小、形状类别、阈值范围等参数的限定,去除干扰区域,从而分割出疵点区域。实验结果表明:该算法可以准确快速的检测出较高对比度的织物疵点类型(如黑白色的星型织物和块型织物)。(4)在实验室环境下,通过软硬件结合设计并搭建了一套织物疵点检测系统。实验结果表明,该系统可以对常见的织物纹理类型和疵点进行在线、实时、可靠的检测,可考虑在实际工业中调试与应用。