随着经济的发展,我国纺织业步入迅猛发展的阶段。然而国内大多数纺织品生产企业劳动密集程度较高,纺织品的缺陷检测仍然依靠人工检测,这种方式存在主观性强,精确度低,工作强度高等诸多弊端。机器视觉技术的日益成熟,使其在工业生产过程中的应用越来越为广泛,基于机器视觉技术的纺织品在线缺陷检测已然成为纺织品质量控制的重要发展方向。国外的织物在线检测技术起步相对较早,然而从外国引进织物在线缺陷检测设备价格昂贵,成本较高。国内的研究主要是针对某一种算法的研究且仅适用于一种织物缺陷检测,不能直接应用于玻璃纤维布的缺陷检测生产实际中。因此研究玻璃纤维布缺陷检测的关键技术,对于推动玻璃纤维织物自动化生产和布匹质量快速分级具有极其重要的意义。本文对玻璃纤维布缺陷检测系统的关键技术进行了深入系统地研究,主要内容包括:基于玻璃纤维布的纹理特性、检测要求和生产环境等设计了玻璃纤维布缺陷检测系统的总体方案,搭建了玻璃纤维布机器视觉检测平台,根据玻璃纤维布的缺陷特征,确定了背光照明的光源配置方案和基于GigE的多相机检测方案,获得了高对比度织物图像,降低了缺陷识别难度。针对被检玻璃纤维布布幅较宽和工业CCD视场小的问题,提出采用多相机同步采集图像然后对采集到的多幅图像进行拼接处理的实用性方案。分别基于模板匹配拼接方法和基于Harris特征点拼接方法研究了玻璃纤维布图像拼接技术,并从配准精度、拼接速度等方面对二者进行了对比分析。本文从实时性和可靠性出发,选择了基于模板匹配的拼接方法进行玻璃纤维布图像的拼接工作。为了解决玻璃纤维织物在线检测效率低、实时性差等问题,提出了一种基于Blob分析的织物缺陷检测方法。首先对织物图像采用均值滤波器进行平滑处理,以削弱噪声和织物纹理的干扰,然后采用迭代法寻找最佳阈值将图像分割为Blob和背景的像素集合,采用形态学处理调整分割后的Blob形状,最后对图像进行连通性分析和特征提取,通过对Blob区域进行最小外接矩形拟合得到缺陷特征的个数和尺寸等信息,实现了玻璃纤维布劈缝、跳花、破洞、污渍等常见缺陷的识别。实验结果表明,该方法计算简单,检测结果稳健可靠,实时性好,是一种有效的织物缺陷在线检测方法。在VS2010平台下基于C#、Halcon和SQL Sever数据库研制了玻璃纤维织布缺陷检测软件系统,系统包括图像采集模块、人机交互模块、图像处理模块和缺陷数据统计模块,实现了玻璃纤维布缺陷的检测和布匹分级。在实验平台上进行了调试和实验验证,结果表明本文的研究方法稳定可靠、实时性好,满足了预期的研发要求。