目前，国内外关于织物质量检测研究的重点绝大多数是针对成品织物，利用机器视觉技术对其进行漏洞、油渍的疵点检测。针对成品织物进行检测，存在一定的弊端，无法及时发现坯布质量问题，最后造成经济浪费。坯布白度是衡量坯布质量优劣的重要指标。白度不佳将严重影响染色、印花等后续处理工艺，给生产厂商带来麻烦，甚至是原料与经济的浪费。因此，基于漂练工艺过程建立数学模型，对坯布白度进行质量预测具有实际意义。　　本文针对漂白工艺过程，提出了使用主成分分析和改进隶属度函数的模糊支持向量机的方法对坯布白度进行质量预测。首先，通过对前处理工艺过程及过氧化氢性质的研究，分析得出影响坯布白度的12个因素。然后，使用基本支持向量机算法，针对坯布白度进行漂白工艺过程建模仿真，结果表明其具有一定的预测性能。为了提高预测精度，本文从数据预处理和模型架构两方面进行优化处理。数据预处理时，本文使用主成分分析的方法，将12个影响因素降维成4个主成分。模型架构优化时，本文选用模糊算法，通过隶属度函数的改进，得到了更好的支持向量机预测模型。最后，本文将主成分分析方法与改进的隶属度函数的模糊支持向量机方法融合到一起，对漂练工艺过程进行建模，对坯布白度进行质量预测。研究结果表明:本文所提方法的预测精度高达98％，与传统的人工预测、BP神经网络算法相比，精度和泛化性能更高，满足生产实际的需求。