纺织工业是我国传统的支柱产业,纺织品检测是纺织工业中不可或缺的一环。传统的检测方法大多依赖手工操作,主观性较强。如何提高检测方法的客观性和自动化程度,是实现产业可持续发展所面临的紧要问题。随着计算机图像处理技术和机器学习理论的快速发展,众多领域焕发了新的活力。如何融合计算机图像处理技术和机器学习理论,获得良好的纺织品检测结果,是其中关键的技术难点。本文重点研究了利用支持向量机对羊毛和粘胶的混纺纱线横截面图像,按羊毛和粘胶两种类别进行分割的方法。主要完成工作如下：(1)针对本文的分割对象,提出一套较为通用的图像预处理流程。(2)对混纺纱线中两种不同材质羊毛和粘胶,进行特征提取。从两者在形态上的差异着手,将它们与规则的圆、椭圆、矩形、外接多边形等进行比对,获得用于支持向量机训练所需要的样本集。(3)研究了遗传算法和支持向量机理论的基本框架。借助于两者框架,对遗传算法的选择算子进行了改进,对支持向量机的核函数类型进行了选择。并以一个应用的例子,说明了所做改进和选择的合理性。(4)基于遗传算法和支持向量机的图像分割方法的实证分析。以对羊毛和粘胶的混纺纱线横截面图像进行分割的应用为背景,对所提方法进行了分析验证,结果表明所提方法的可行性。(5)非启发式的网格搜索参数寻优和启发式的遗传算法参数寻优的对比分析。主要在获得分类器模型的速度上进行了对比分析,说明了遗传算法结合支持向量机方法的优越性。最后利用遗传算法结合支持向量机方法,对单根羊毛和粘胶混纺纱线的横截面进行图像分割,并对所得结果进行了纱线质量参数的计算和分析。