布匹表面缺陷检测是现代纺织行业对布匹品质等级把关的关键所在。当前我国纺织业对布匹疵点的检测仍然靠人工视觉检测，该方法存在效率低、成本高、误检率高等缺点。为克服这些不足，提高纺织布匹质量检测的智能化程度，本文从硬件结构、疵点检测算法和分类算法上对布匹疵点视觉检测系统进行设计和研究。　　首先通过对传统的人工验布机 MT-2500进行改造，重新设计其控制电路。根据实际需求对工业相机及镜头进行选型并设计与其配套的LED视觉光源，通过振动实验和打光实验确定安装方式。将控制系统和视觉成像系统结合，完成机器视觉验布机硬件体系设计。　　其次，对布匹疵点检测工作本文提出基于Hough变换和Gabor滤波器、基于频域筛状滤波器及基于灰度共生矩阵三种布匹疵点检测算法。其中基于Hough变换和Gabor滤波器的检测算法采用Hough变换检测布匹纹理方向，作为Gabor滤波器的滤波方向，减少了滤波器组数量，且能够针对不同纹理方向的布匹都有很好的检测效果。基于频域筛状滤波器的检测算法通过傅立叶变换获得布匹频谱图，根据频谱图设计频域滤波器分离正常的纹理信息，保留疵点信息，再经逆变换进行灰度图重构得到去除正常纹理的疵点图像，该算法能够显著缩短检测时间。基于灰度共生矩阵的检测算法将布匹图片进行灰度级量化至16级，再提取00，45，9，135四个方向上的灰度共生矩阵，通过计算灰度共生矩阵中的熵、相关性、对比度、差异性和逆差矩这五种特征值并各自生成特征图像来检测疵点。经实验对比分析，基于灰度共生矩阵的检测算法检测效果最佳，基于频域筛状滤波器的检测算法时效性最佳。　　再次，开发了基于灰度共生矩阵特征向量和支持向量机结合的布匹疵点分类算法。取灰度共生矩阵的熵、相关性、对比度、能量的方差和标准差作为支持向量机的输入参数，实现对常见四类疵点分类且准确率达90.4％。　　最后设计了一套布匹疵点检测系统平台，该平台在 LabVIEW11.0及OpenCV2.1软件环境下开发，实现LabVIEW调用OpenCV库的数据接口，主要包括用户管理、图像采集处理、设备动作控制和光源调节界面等功能。