在布料各个生产环节中,质量监测承担着最后的把关任务,布料质量的分析结果也在布料生产中问题的发现、定位与解决等方面起到重要作用。目前市面上现有的布料质检系统往往存在功能单一、适应性差、可移植性差等问题,并且造价昂贵,无法满足大多中小型布料生产企业需求。对此,本文从布料质量检测的实际需求出发,设计了一款成本低、适应性强的布料疵点检测系统。系统设计过程中主要涉及布料质量检测需求的整理与分析,系统的流程设计与硬件选型,疵点定位算法与疵点分类识别算法的设计与实现,以及系统搭建、测试与改进等内容。系统流程设计方面,系统硬件采用两颗CMOS相机组成双目摄像头,通过一台工业计算机控制摄像头采集布料图像数据,通过编码器采集布料行进状态,并选用背照式补光方案进行补光;系统软件针对布料质检过程中的实时性需求,设计了离线与在线相结合的检测流程。在在线检测过程中,快速筛查并保留疑似含有疵点的布料,满足检测速度需要;在离线检测过程中,针对在线检测保留的图片中的疑似疵点进行精确定位与分类识别,满足检测精度要求。在疵点定位算法中,为提高疵点定位分割精度,提出一种改进的区域生长算法。算法通过背景补偿、非线性变换等图像增强方式强化疵点与背景之间的差异,并在传统区域生长基础上,采用行列灰度直方图与BP神经网络自适应获取生长种子点,实现疵点区域的自动定位与分割。针对图像中检测到重复疵点的问题,设计了一种疵点去重算法。算法在疵点纵向位置相近的前提下,提取疵点的横向位置与形状特征,对特征编码后进行加权融合,通过比较融合后的特征值,去除重复疵点。在疵点识别算法中,本文针对布料疵点相似性高而导致误识别率高的问题,设计灰度纹理特征、形状特征与SVM分类器相结合的级联分类器,实现对生产过程中常见的污渍、褶皱与云斑三类疵点的分类识别。使用采集的布料疵点数据建立数据库,通过选择代表性疵点与疵点扩充,解决自然采集的疵点样本数量不平衡的问题。经过实验室测试与工厂实地测试,可见系统能够有效检测布料中常见类型疵点,并在统计后生成质检报告。针对测试过程中出现的灯箱过热老化、对特殊无纺布料过度敏感的问题提出了风扇控温、调整背景补偿的解决方案。