疵点检测是纺织品质量控制的关键环节。目前,织物疵点检测主要依靠人工目测来完成,受主客观因素的影响,检测效率和准确率很低(约50%),严重影响纺织产品的质量。因此,研究快速、准确的织物疵点自动检测系统非常重要。本文综合应用OpenCV开放视觉库、小波分析理论和BP神经网络对基于机器视觉的织物疵点检测技术进行较为深入的研究。首先,采用OpenCV库函数PyrDown的缩放功能和Canny的边缘检测功能相结合,自动检测疵点边界、获取疵点区域,有效提高了常见疵点的检出率。第二,通过对现有的图像纹理特征值提取方法进行分析,给出了基于小波分析和Mallat算法的图像经纬子图分解方法,并利用自相关函数对经纬子图进行窗口分割。根据织物纹理结构的特点,确定子窗口的能量、方差、极差、熵和逆差距等五个特征值作为疵点识别和分类的依据。第三,针对疵点类型自动识别的技术难题,通过对人工神经网络工作原理和BP神经网络的结构设计进行分析,完成了BP神经网络的优化设计,包括输入输出层和隐含层神经元个数的确定,传递函数的选择和学习速率的取值。最后,在理论分析和方法研究的基础上,基于VC十+6.0软件开发环境和OpenCV开放视觉库,设计开发了疵点自动检测软件,包括图像采集、图像预处理、疵点区域检测、小波分解、特征值提取和疵点分类模块。通过对单色平纹织物的刮线、断纱、反丝、锈斑、脏污、飞花、色污、长残、白杠、掉扣等常见疵点的检测实验,验证了文中方法的有效性和实际应用价值。