织物的弯曲性能是织物的一项重要力学性能,它会影响织物的成形性、悬垂性、折皱回复性,同时是决定织物硬挺柔软度和服装的空间曲面造型性能的主要因素,某种程度上决定了织物的应用,对于服装舒适度和外观都有很大的影响。至今为止,传统的织物弯曲性能测试主要依靠人工操作与视觉检测。随着机器视觉、模式识别、图像分析技术的迅速发展,工业自动化检测代替人工操作是必然趋势。本文在已有弯曲性能理论研究和测试方法基础上,采用自动送样装置、图像采集装置和OpenCV计算机视觉库的图像处理技术,设计了一种能够实时获取织物弯曲形态信息,根据弯曲形态(图像)的二维空间参数拟合曲线,计算获得表征织物弯曲性能的指标,从而代替人工检测的非接触式织物弯曲性能自动检测装置。搭建完装置后,对检测系统进行重现性测试,发现测试结果的CV值均小于2%,说明检测系统的重现性很好。对30种不同的试样用本文方法和斜面法分别进行了弯曲性能的测试。选取弯曲长度测试结果进行相关性分析,两种测试方法的相关系数平方R~2=0.969,呈高度正相关性,说明两种方法的弯曲长度测试结果具有可替代性。选取弯曲刚度测试结果进行相关性分析,两种方法的相关系数平方R~2=0.989,说明本文方法可以替代斜面法有效测量织物的弯曲性能。比较两种测试方法弯曲长度的变异系数,得知本文方法弯曲长度的变异系数普遍小于斜面法,证明本课题方法较斜面法稳定性更好。最后,深入对20种丝织物试样用这两种方法测试,弯曲长度的相关系数平方R~2=0.917、弯曲刚度的相关系数平方R~2=0.924,均呈高度正相关,说明本文方法与斜面法测得的丝织物弯曲刚度一致性也较高,进一步证明本文方法可以有效测量织物弯曲性能。