“中国制造2025”规划和纺织智能制造装备的规划明确提出优先发展先进的智能化装备。近年来,织造设备虽然已经在自动化、信息化方面取得显著的进步,但一些关键环节的自动程度及生产效率仍需要提高,制约着织造加工全流程的自动化、无人化的进程。本文着眼于当前仍依赖人工的面料质量检测环节,通过研发先进的机器视觉检测算法实现织物疵点自动化检测,以逐渐减少人工对织物的检测和修整。为此,本文在现有基于稀疏字典织物疵点检测算法基础上,针对实时性不足的问题,展开如下研究:（1）为使所研究的算法性能更贴近于工业现场检测需求,本文使用符合工业场景下疵点检测的机器视觉验布系统,并对图像采集模块及其获取的数据进行介绍。首先介绍了课题组自主研发的机器视觉验布系统中的图像采集系统结构和重要技术参数,分析和总结了系统优势及其所能够达到的采集效果;接着选用三种不同规格的机织物面料为测试对象,利用此系统在不同光源条件下采集图像,并交代了每种织物采集到的图像数量以及包含的疵点种类;最后将所有采集到的疵点图像进行了整理分类,构建用于后续测试用疵点图像数据集。（2）针对现有基于稀疏字典疵点检测算法实时性不足的问题,对稀疏字典算法进行了研究。首先介绍了提高稀疏字典算法检测速度优化的方向和思路,依据稀疏编码的流程分析优化方法的可行性;之后详细介绍字典分组优化策略,并选用平纹白坯布作为主要研究对象,以此来优化字典的相关参数,并分析不同参数下图像近似效果;最后通过对不同种类织物的少量疵点图像进行测试,对于字典分组策略的可行性和有效性进行了初步的验证。（3）为应对算法敏感度较高和图像噪声出现误检较多的情况,设计一种误检抑制算法。首先介绍了非极大值抑制的原理,分析其应用于疵点检测的可行性;接着选用重构误差作为图像块评分标准,设置抑制系数来控制误检抑制程度,并进行不同抑制系数和算法不同重叠方式下的实验;最后依据实验结果选定相对优秀的控制系数,并验证了算法的有效性。（4）为了客观的评价研究的织物疵点检测算法的性能,分别进行算法的静态和动态实验。首先对算法总体流程进行介绍,并确定静态试验和动态试验的评价标准;接着进行静态测试,说明测试用数据集并选用两种相关算法用以对比,静态实验结果显示算法最高正检率可达96.09%;之后将算法部署到自主研发的机器视觉验布系统中,阐述检测流程并采用算法处理布边,选用两种不同种类织物进行实时检测,并对实验结果进行汇总,动态实验结果显示,检测准确率最高可达97.02%,且在设计并行计算流程后每张2432×896像素图像检测仅用36ms左右,证明了算法的有效性和实时性。通过稀疏字典分组策略,对稀疏字典编码过程中使用的字典原子进行优选分组,并通过字典参数的优化,本文算法达到了在保证检测准确度的同时极大的提高检测速度的效果,符合工业场景下织物疵点自动化检测应用的实时性,并为织物疵点实时检测的算法及系统开发提供参考。