在纺织行业的生产过程中，对织物疵点的检测是一个很重要的环节，直接影响到织物产品的质量评定。目前，国内多数纺织企业仍采用人工疵点检测的方法，随着生产需求的扩大、质量要求的提高，该方法已跟不上企业的现代化需求，因而亟需一种疵点自动检测系统对疵点进行快速的检测。由于疵点检测系统所需处理的图像数据量大（一般在40MB/s以上），图像处理算法复杂度一般较高，对处理系统的性能要求高，对此，本文设计的疵点检测系统由多台计算机组成，通过多机对数据的并行处理以提高整个系统的处理性能。多台计算机之间按服务端、客户端的方式构建，类似于C/S模式。计算机之间通过以太网进行连接，以UDP协议为基础进行数据的高速传输。由于UDP协议本身不提供数据的可靠性保证，本文在借鉴已有协议的基础上，构建了一个简单实用的可靠传输协议，并对该协议的工作模式、结构组成等方面作了具体介绍。有了可靠的传输，便可进一步构建多机平台。通过对图像处理算法的分析总结，本文提出了图像处理算法的一般模型，并以该模型为基础，将算法处理过程以任务的形式进行分解，最后系统以任务为基元进行设计。文中详细介绍了任务结构体的定义、任务与数据流的相互转换、任务的分配、跟踪以及其它一些系统所需的组成模块。在疵点检测算法上，本文采用多通道Gabor滤波器组作为检测算法的基础，结合最大熵、形态学处理等实现了本文的检测算法，经实验验证该算法有效。文中详细介绍了本文疵点检测算法的各个步骤，最后将本文检测算法进行相应改进，使之运行于多机平台。在实验中，通过对现场疵点图片的检测，测得了不同处理机数量所需的处理时间，计算得到加速比，取得了显著的加速效果。在疵点的分类算法上，本文提取了疵点面积S、疵点宽度W、疵点高度H共3个特征，采用无监督学习的SOM神经网络进行聚类，实验表明该方法可以取得良好的分类效果。