在纺织品生产中，质量控制与检测是十分重要的，而织物疵点检测是其中最为主要的部分。疵点检测识别的目的就是在织造和验布过程中及时发现疵点，通过修复和整理，尽可能降低由疵点导致的织物质量的下降。随着计算机技术、图像处理技术的发展，使得基于计算机视觉的织物疵点检测识别成为可能。利用计算机视觉对织物疵点进行检测识别，不但能提高纺织企业的生产效率，而且为织物疵点的种类、大小以及对产品质量的评估制定客观标准打下基础。本文在对国内外织物疵点自动检测系统和理论研究成果的学习与研究的基础上，选择合适的特征值提取算法和识别算法并进一步优化，并在此基础上提出了基于计算机视觉的织物疵点检测识别方法，即运用小波分析理论结合织物图像纹理特征对图像进行分解、分割并且在子图像分割窗口中利用灰度统计法提取特征值，最后利用BP神经网络进行疵点的自动检测识别。该方法的重点内容包括特征值的选取、特征值的提取和疵点的识别三部分。本文主要围绕这三个方面进行理论研究。一、通过对各种疵点特征值的介绍，选用了能量、熵、方差和极差作为本文的特征值，经多次试验可知这四个特征值可以较好的反映出待识别的疵点信息。二、介绍了小波分析理论知识，在此基础上选择了适合待检织物纹理特征的分解小波和分解方法，并提出了通过自相关函数法计算纹理周期，确定子图像的分割窗口的大小。通过多次试验可知，本文选用的分解小波和分解方法能较好的反映出织物纹理特征，为特征值的充分提取做好了基础。从子图像分割窗口提取出的特征值可知不同的疵点均由不同的特征值反映出来。三、介绍了神经网络理论，在此基础上介绍了BP神经网络的结构、工作原理等知识，并提出了运用3层BP神经网络对本文的待识别疵点进行了训练与识别。本文提出的检测识别算法在平纹织物疵点的识别中取得了较好的效果，通过不断的试验，对平纹织物中最常见的重纬、缺纬、重经、断经和破洞疵点的正确识别率达到97％。