目前羊绒和羊毛的鉴别方法有许多,但行业认可的标准方法仍是显微镜法,其主要是根据羊绒与羊毛纤维鳞片特征的差别来进行鉴别的,而检验人员的经验对检测结果影响很大。因此将羊绒与羊毛混淆而测不准是客观事实,且目前羊绒直径粗化严重,故而急需对羊绒纤维进行精准的鉴别。为了减小主观人为因素的影响,以提高鉴别的精准度,人们开始使用计算机技术与显微镜检测技术相结合的方法来鉴别羊绒与羊毛。基于上述背景,本文首先研究完善了一台光学显微成像分析系统,通过该系统对织物试样进行图像采集,比较了该系统三种照明方式采集图像的特点,得出反射式照明方式采集的图像清晰且此方式适用于织物试样,而同轴落射照明采集织物试样的纤维图像质量差于反射式照明,但好于临界照明。其次,利用该仪器对试样进行图像采集,纤维图像通过图像处理和特征提取后,可得到表征纤维鳞片的8个特征参数和4个组合参数,并对试样中纤维鳞片各参数间的相关性进行分析。经分析得出：8个特征参数间的关系存在三种情况即线性相关、不相关和非线性相关；4个组合参数间也不是相互独立的。故需要对识别指标进行筛选,其主要有两个依据：一个是参数间的相关性,即相关系数越小,越独立则应选为识别指标。另一个是参数的正确判率,即正确判率越大,则应选为识别指标。再次,依据两类纤维各参数理论分布曲线的交叠性特征,计算得各参数的判定临界值、两类错误概率值、交叠面积和正确判率。其中正确判率是所选参数的显著性和识别精度的基础,也构成了识别公式中的权系数。最后基于8个特征参数及4个组合参数间的相关性及分布差异,建立了4种多参数贝叶斯分类模型来识别试样。4种识别模型的识别结果基本一致,证明参数筛选的重要和筛选方式的有效。为了提高识别准确度,本文还提出了一个最优识别组合,即九参数识别模型,其对试样1、2、3和4检测的绝对误差最大仅为1.3%,而对试样5、6和7的绝对误差最大仅为4.9%,显然优于标准检验A和B。本文方法被证实更为精准、客观,可弥补鉴别人员的经验,弱化人为因素的影响,提高了识别的精确度。