我国是羊绒和羊毛的第一生产大国,但两者在制成衣物后性能差异巨大,而且羊绒的产量相比羊毛差距很大,所以它们的单价差异悬殊。为了对衣物的纤维成分进行检测,提高羊绒羊毛纤维原料的质量,需要对羊绒和羊毛纤维进行有效的鉴别,这一直都是纺织行业的难点。本文的研究主要针对羊绒羊毛识别的应用需求,着力于使用计算机图像处理技术对羊绒羊毛进行有效识别。这是一种无损、快速的识别方法,可以有效降低人工成本,减少人为主观判断所产生的错误。本研究主要做了三方面工作:针对交错的羊绒羊毛难以分割的问题,提出了融合纤维骨架识别和分水岭的羊绒羊毛分割算法。该算法利用Canny边缘检测算子配合分水岭算法进行分割,将纤维和背景进行分离;然后利用Zhang快速并行细化算法或极限距离变换对目标细化提取骨骼;最后使用骨架平面相连关系对交错纤维进行分组,并以此为种子,使用分水岭算法分割并修复纤维蒙版,最终将每根纤维单独分割出来。实验效果表明,其对分割纤维准确分明。针对羊绒羊毛识别问题,提出了融合多特征的SVM羊绒羊毛纤维识别算法。该算法融合纤维图像的灰度直方图、LPB特征、Hu不变矩和灰度共生矩阵,对它们使用串行特征融合的方法融合特征;将929根纤维输入支持向量机进行训练;使用特定权重融合特征后,对羊绒羊毛纤维的识别率达到80.5%。建立两万余根纤维的语义标签、带上下文信息的类别标签。训练并使用Mask R-CNN深度卷积神经网络对羊绒羊毛进行识别,其识别正确率达93.887%。针对目前Mask R-CNN中对细长物体类别识别正确较低的问题,提出了改进型的Mask R-CNN ReCls网络结构。使用更高锚框长宽比和重分类的方法,使网络识别能力进一步增强。验证集上,模型识别纤维的正确率达到了98%,在测试集上识别正确率达到了96.614%。还使用Qt制作了识别羊绒羊毛的相关软件,并带有报表功能,能计算出纤维长度直径属性,实现自动识别。