为了实现织物洗涤后的污渍去除等级的客观化评定，本文提出了两种基于机器视觉的织物洗涤去污等级评价方法。方法一采用扫描仪采集AATCC130-2000去污等级样照，对5个等级的样照油污区域亮度值与等级关系进行回归分析，拟合得到亮度值-去污等级方程。在此基础上，只需对试样图像进行亮度分析，将亮度值代入方程就可得出评价等级。通过研究发现AATCC130-2000标准的5级制评定存在着评级点对应亮度分布不均匀，在原有的5个等级之间需要增加0.5级、1.5级、3.5级，故修改为8级制评定更为合理。相比于人工样照评价，基于图像分析方法可以实现洗涤去污等级的精细、客观评定。方法二首先采用目视方法对洗涤后的750幅织物试样进行评价，确定其洗涤去污等级，接着采用db6小波对该750幅织物试样图像进行4层小波分解，提取高频子带小波系数的能量基特征1-范数和2-范数，并将其作为纹理特征，用纹理特征组成的特征向量构成特征矩阵，然后再分别选择不同数量的样本组成训练样本集和测试样本集对BP神经网络进行训练和测试，并计算BP神经网络的正确识别率以衡量其泛化能力。为了验证两种方法在织物洗涤去污等级评价中的可靠性，以30个测试样本的测试结果比较两种方法对织物洗涤去污等级评价的可靠性。实验结果显示:亮度值-去污等级方程的正确识别率为86.7%，而基于小波纹理特征和BP神经网络的正确识别率为93.3%。因此，相比于亮度值-去污等级方程方法，基于小波纹理特征和BP神经网络的方法在织物洗涤去污等级评价中更具优势。