在纺织品生产中,针织物的全数检验是质量控制的一项重要内容,其中针织物疵点是检验的重点。在现代科学技术的推动下,纺织行业的生产效率有了大幅提高,但针织物疵点检测却依然停留在人工检测阶段.该方法检测速度低、误检率和漏检率高,检验结果受到人员主观因素的影响,检测正确率仅能达到70%左右,而且人工检布对工人的视力损害很大。针织物疵点的检测技术已成为当今制约纺织行业进一步发展的“瓶颈”,怎样用计算机视觉代替人工检布成为现在研究的热点。本文在国内外研究的基础上,介绍了一种基于Labview的针织物疵点检测系统与方法,采用Labview软件并结合Matlab编程。疵点检测的重点是疵点识别和分类,本文中图像首先经过中值滤波去噪和二值化处理,预处理后的图像采用db小波进行小波分解,得到织物的经向和纬向纹理子图像。根据针织物的纹理特征,对针织物图像进行窗口分割,在已分割的窗口中提取子图像的特征值。继而对特征值进行归纳分析,输入BP神经网络进行网络训练,实现对疵点的分类,利用训练好的神经网络对剩余的样本进行测试。在本方法中,最重要的是特征值的选取、特征值的提取以及疵点的分类,本文对相关的理论进行研究。(1)本文中的特征值所选用的能量、方差、极差和熵,经过多次实验,证实这4个特征值能够很好的反应针织物图像的疵点信息;(2)本文根据针织物纹理对针织物图像进行窗口分割,在分割的窗口中包含针织物纹理的最小单元。经过db小波分解后,得到针织物图像的经向和纬向纹理子图像,从子图像所分割的窗口中提取特征值能将不同的针织物疵点反应出来;(3)对所提取的特征值进行归纳分析,将每个图像中的最大值与最小值的差输入BP神经网络训练,最后将测试的样本的特征值输入训练好的BP神经网络,检验所训练好的BP神经网络的正确度。经过验证,本文所提出的方法,可以有效的检测平针、罗纹和双罗纹三类针织物中所出现的横路、飞花、破洞和漏针四种常见的疵点,准确率达到了94%。