在布匹的实际生产过程中,由于生产设备故障和操作不当等因素的影响,易致使布匹产生折痕、破洞等瑕疵。为保证产品质量,需要对布匹进行瑕疵检测识别,布匹瑕疵检测识别也成为纺织品企业生产和质量管理中的重要环节。但是目前纺织品企业大都是依靠人工肉眼去检测布匹是否存在瑕疵,这种方法不仅存在检测效率低下、缺乏一致性等问题,而且人工检测易受体能制约和主观因素影响,出现漏检和错检等问题。鉴于上述原因,设计并开发一种能够快速且准确地检测识别出布匹瑕疵的系统对于纺织品企业具有重要的意义。针对上述问题,本文结合深度学习和图像分类技术,对Inception v4布匹瑕疵检测识别模型进行改进并基于此模型开发了web端布匹瑕疵检测识别系统,用以帮助纺织品企业提高布匹质量检测效率和精度。本文的研究内容和阶段性成果如下:（1）研究布匹瑕疵检测识别的相关技术及理论。本文研究了基于传统机器学习和深度学习的布匹瑕疵检测识别的相关理论和技术,并列举了一些在布匹瑕疵检测识别上具有代表性的研究成果。重点介绍了LBP算法,Res Net、Dense Net和Inception系列的分类网络以及Tensor Flow深度学习开发框架。（2）采集布匹图像数据集并进行数据增强。本文使用几何变换、尺度变换和LBP算法对数据集进行了数据增强操作,使其能够满足模型训练的基本需求。（3）构建并改进布匹瑕疵检测识别模型。本文使用两种传统机器学习分类方法和五种经典深度学习网络分别构建布匹瑕疵检测识别模型,并选取在各项评价指标上表现最佳的Inception v4模型上进行优化改进。在Inception v4模型中添加SE模块,从而实现注意力机制,对比实验结果,改进后的模型在准确率和精确率等性能上都得到了提高。（4）设计和开发布匹瑕疵检测识别系统。本文以SE-Inception v4模型为核心设计开发了web端的布匹瑕疵检测识别系统,依据软件工程的方法对系统的开发进行了可行性分析、需求分析和架构设计,并对系统进行了详细设计及实现。系统分为客户端和管理端两个模块,客户端包含注册登录、图像识别、图像检测记录和个人中心功能,管理端包含用户管理和模型更新功能。