我国的纺织行业生产规模庞大,在全球市场中占据龙头地位,但是生产模式仍处于劳动密集型的生产阶段。目前布匹生产过程中的质量检测大多依赖于人工巡检,不仅效率低下,而且由于外在客观因素的影响,漏检率比较高,大大降低了布匹的品质。另外,随着企业用工成本的提高、市场质量要求的提升以及产能需求的扩大等问题的出现,仅仅依靠传统人工检测已经无法解决生产效率、产品质量与产能之间矛盾,亟需通过企业转型和产业升级来提高其市场竞争力。而构建高性能的智能布匹瑕疵识别系统,已经成为当前纺织产业升级的主要方向之一。本论文主要针对双针床经编机生产的纯色平纹布匹瑕疵识别问题,利用机器视觉与深度学习技术,研发了一套机载实时布匹瑕疵识别系统。该系统已经成功应用于多家常熟纺织企业的实际生产,能够有效降低企业的人力成本,同时提升坯布原料的品质。论文的主要研究工作如下:(1)提出了一种基于光流法的布面定位算法。该方法利用织造过程中布匹单向运动的特点,融合多帧连续图像计算的布匹光流场,同时利用改进的高光消除算法弥补光照不均的缺陷,最后结合边缘检测和最大连通域确定布面范围。实验结果表明,该方法具有计算复杂度低和定位精度高的优点。(2)提出了一种基于聚合通道特征的布匹瑕疵检测算法。该方法利用瑕疵与正常布匹纹理存在明显的差异性,首先构建正常布匹与瑕疵布匹训练数据集,然后提取多种手工特征,构建聚合通道特征,接着利用基于Adaboost算法的级联分类器学习分类模型,最后采用滑动窗口法对布面区域进行瑕疵检测。实验结果表明,该方法在本课题采集的数据集上能达到97.3%的检出率。(3)提出了一种基于视觉显著性的布匹瑕疵分类算法。首先利用视觉显著性,提取瑕疵显著性特征,然后采用MobileNetV2-FPN结构提取深度特征,提升多尺度检测在小目标数据上的性能。最后,利用软截断损失函数解决瑕疵类间差异性小以及数据分布不均衡问题。实验表明,本文方法在本课题采集的数据集上能达到98.5%的分类准确率。(4)基于布面定位、瑕疵检测与分类算法,构建了面向生产过程的布匹瑕疵监测系统,并部署至工控机进行实测。测试结果表明,本系统可以明显降低产品次品率,且能实现24小时不间断实时检测,是一种可用于代替人工巡检的高效解决方案。