质量作为生产的一大关在各行各业中都备受瞩目,我国作为一个人口大国,对纺织品的消耗非常大,在纺织行业中,纺织品疵点检测又成为了生产命脉。因为纺织品的疵点会严重影响后续各个生产环节,纺织品当中的疵点会使生产的成品质量降低价格降低,严重的疵点存在会使生产成品成为废品。由此可见,避免在生产加工成品时使用含有疵点的纺织品迫在眉睫。目前我国较多的纺织品疵点检测依靠人工检测来完成,人工进行纺织品疵点检测不仅费时费力,同时误差也很大。近些年来,伴随着图像处理技术的飞速发展,应用图像处理技术的纺织品疵点检测技术也应运而生。随着图像处理技术不断发展,其应用领域也不断扩展。研究表明,利用图像处理技术,对待检测的图片提取区域内颜色、纹理等信息用于目标图像检测,能够有效提升图像检测结果的准确率。本文主要将纺织品疵点检测与图像处理技术相结合。利用图像处理技术对含有疵点的纺织品图片进行了检测,利用卷积神经网络模型比对分析检测准确率,模型选用基于深度学习的Dense Net神经网络和基于深度学习的BP神经网络,两种神经网络对纺织品图片进行检测,实验数据选用纺织厂提供的工厂采集的纺织品图片进行了大量的测试,经实验结果的对比和分析说明Dense Net神经网络在检测纺织品疵点上的结果与BP神经网络相比更优异,准确率更高。该网络充分利用各卷积层提取的特征信息,使用时大幅度减少了使用的参数数量,具有易于训练,方便、快捷、高效的特点。Dense Net网络模型面对复杂的图像,仍然有良好的检索效果,正确率达到94.8%。本文将纺织品疵点检测算法实现,完成了图片采集、疵点检测、结果发布。本文上位机的设计是采用了HTML5+boostrap+Javascript开发语言,后台采用SSM+My SQL开发实现了纺织品疵点检测算法。本文将图像处理技术应用于纺织品疵点检测中,这为工业纺织检测提供了一条新思路。