随着经济全球化,对于企业的要求越来越高,为了让纺织企业保持竞争力,纺织车间的无人化无疑是提高企业生产力的一个重要的途径,将视觉技术应用到车间生产中是实现无人化生产的重要方法。织物疵点检测是织物生产中的重要步骤,以往大部分疵点检测都是用到人工检测,检测效率低且错误率高,本文主要利用深度学习技术实现织物疵点的自动检测,从而能解放人工,达成车间自动化生产。本文主要研究以下几个方面的内容:(1)研究了自动验布平台的整体框架,并对平台中的视觉系统主要硬件包括相机、镜头和光源等进行了介绍和选型。(2)织物花型和背景部分特征往往有很大的不同,为了更精确有效的实现织物检测,本文提出一种基于改进U-net模型的织物花型分割算法,利用更深的VGG16模型取代原模型中的特征提取部分,并加入空洞卷积提高感受野。经过实验,该改进算法能够有效的分割出织物印花图案,平均分割准确率达到98.33%。(3)采用基于深度卷积神经网络VGG16模型实现织物疵点的分类。在VGG16模型的基础上调节激活函数、损失函数、梯度下降方法等等,通过多次对比实验,验证了该网络模型能有效实现织物疵点的分类,平均分类准确率达到98%。(4)针对织物疵点定位问题,提出了一种基于改进faster-RCNN织物疵点检测算法,在原深度学习目标检测模型faster-RCNN的基础上,根据织物特点进行改进,采用新训练的模型参数提取织物图像和疵点特征,同时利用原网络中的特征提取部分,提出一种先对织物纹理分类,再检测疵点的方法。最终在实现疵点分类的基础上完成了对疵点位置的精确定位,该改进算法对织物疵点检测的平均准确率均值达到98.68%,完全满足实际生产中的检测精度要求。