随着互联网技术的飞速发展与广泛应用,电商购物平台正持续推动我国网民使用线上平台进行购物,这丰富了居民的日常生活。但由于我国针对网购平台监管的相关制度、标准和规范并不健全,导致商品质量参差不齐,客户为避免买到有质量问题的商品通常以商品评论信息作为意见参考。因此针对电商商品评论进行质量评估能帮助客户、市场监管人员提供有效的参考依据。目前基于评论的质量评估方法多为针对评论文本展开,然而实际情况可能是评论文本中客户没有或较少对质量问题说明,而在图像中对质量问题进行说明。为更全面、客观建立基于商品评论的质量评估方法,本文提出一种集成文本与图像分析的电商服装质量评估方法。主要研究内容如下:（1）基于图像的服装缺陷检测方法。首先,针对小样本且样本比例不平衡的图像数据集,设计了RFCAP数据增强方法,增强基于数据集训练得到模型的泛化能力,避免某一类样本训练过拟合;然后,提出改进的Tiny-FPN网络模型与改进的Faster R-CNN网络。通过以上改进算法构建图像缺陷检测方法,以电商平台的服装商品为对象,进行图像缺陷检测。（2）集成评论文本与图像分析的电商服装质量评估方法。以服装缺陷为判定因素对服装质量进行评估。针对电商服装商品评论文本,首先对评论文本进行缺陷特征抽取;然后建立情感词典并对评论文本中各缺陷特征进行情感分析,基于文本评估服装的质量状况。针对电商服装商品评论的图像,基于图像检测信息评估服装商品的质量状况。本文将文本信息与图像信息互补,综合二者信息构建基于商品评论文本与图像分析的电商服装质量评估模型。（3）电商服装质量评估系统的实现与应用。基于本文研究成果,设计并开发了集成文本与图像分析的电商服装质量评估平台,可评估商品的质量状况信息,帮助客户或市场监管部门快速识别问题商品。本文通过综合利用文本与图像两种不同类型的数据,分析电商平台上服装商品的质量问题,研究结果可以为用户的网购以及市场管理部门的监管工作提供参考依据。