我国是世界第一大生丝生产消费国，但目前，国内现行的生丝检验依然采用传统的黑板检验。这种检验方法主要采用人工目测，缺点是主观性强，可重复性差，劳动成本大。随着计算机技术、智能识别技术和数字图像处理技术等的快速发展，利用机器视觉技术来检测生丝质量的优劣将成为未来的趋势。本课题参考生丝黑板检验国家标准GB/T1797-2008《生丝》和生丝电子检验方面的成果，首先确定了本实验中对生丝疵点的分类标准。其次，对几种常用的图像滤波方法即高斯滤波、均值滤波和中值滤波进行分析和对比，实验证明，高斯滤波在滤除了生丝图像中的噪点的同时较好的保存了生丝疵点的大小、形状等纹理特征。本文对全局阈值化、自适应阈值化和手动调节阈值这三种阈值化的算法进行分析，对比其实验结果，选取了一种最优的阈值化方法即手动调节阈值。实验结果表明，使用手动调节阈值方法且当阈值取188时，图像分割效果最好。此外，本文在图像分割的基础上提取了生丝疵点的轮廓,在疵点轮廓的基础上提取了生丝疵点的4个主要特征值：面积、占空比、长度和宽度。本文以OpenCV为平台，将所要分类的3类疵点转化为3个二类分类问题，实验结果表明，SVM作为典型的二类分类器，二类时取得了较好的分类效果。将SVM扩展到多类分类问题，选用基于RBF核函数的SVM,分别用SVM默认的参数分类方法和经过粒子群优化算法优化的参数分类方法进行分类。比较两种分类效果可以看出，经过粒子群优化算法优化惩罚因子C和RBF核函数参数σ之后的SVM的分类效果要好于SVM本身默认值的分类效果，达到了较好的分类效果。