在纺织工业产品的生产过程中,质量控制贯穿整个过程,而织物疵点检测是其最重要的部分,疵点的存在会影响织物外观,严重降低了纺织产品的质量,进而降低了产品的价格。因此,减少织物疵点对于纺织生产至关重要。目前在我国,很多的纺织企业仍依靠人力来检测织物疵点。总体而言,人工检测的方法并不能达到对产品质量的严格把控,存在较大的误差。随着近年来机器视觉技术和图像处理技术的发展,越来越多的企业将织物疵点自动检测技术引入到工业生产中去。本文针对织物疵点自动检测问题,应用机器视觉和图像处理的技术,提出了一种应用最优Gabor滤波器的织物疵点自动检测方法。对于含有疵点的织物图像,疵点部分在纹理特征上与非疵点的部分存在差异,因此,织物疵点检测问题可以视为基于两种纹理的图像分割,通过学习已知的无疵点的背景图像区域的纹理特征,将未知的有疵点的图像区域区分开来。所提出的检测方法具体可分为两个阶段:学习阶段和检测阶段。在学习阶段,对于无疵点的织物图像构造可调制的二维Gabor滤波器,采用量子行为粒子群优化算法对Gabor滤波器的参数进行优化,得到与无疵点的织物图像纹理特征最匹配的Gabor滤波器参数。在检测阶段,由学习阶段得到的最佳参数构造Gabor滤波器,用该滤波器对待检测织物图像进行卷积处理,然后再对得到的卷积图像进行二值化处理,最终识别出待检测织物是否有疵点存在。实验结果表明,该方法的检测率可以达到96.67%,具有很好的有效性、稳定性和鲁棒性,适合应用于工业生产。为了解决织物疵点自动检测系统实时性不高的问题,本文将传统二维Gabor滤波器与椭圆形Gabor滤波器相结合,设计出一个可以任意调制的Gabor滤波器,提取出Gabor滤波器的参数,可以根据该参数调制出一种新的能同时满足不同种类织物疵点检测要求的Gabor滤波器,检测时使用单个Gabor滤波器,在保证检测准确率的前提下,达到了工业生产中高实时性的要求。实验结果表明,该方法可以满足织布速度在3m/min以下实时检测要求。为了进一步将本文研究算法应用到实际的工业生产中,本文实现了一套满足工业生产实时性需求的织物疵点在线检测系统。近年来国内外对于织物疵点自动检测方面的理论的研究逐渐增多,国外较为先进的织物疵点自动检测系统已经相当完善,但是其高昂的价格,导致其并没有得到广泛的应用;而国内出现了一些测试样机,却少有成熟的产品投入到实际的工业生产中。本文将从系统的需求分析、系统整体方案的设计以及系统测试和实验结论分析等几个模块进行介绍。希望本文实现的系统能够为此类产品的研发拓宽思路。