在纺织行业自动化生产中，面对高速连续的生产模式，实时高效处理大规模图像数据已成为关键技术挑战。从传统图像处理算法、深度学习模型及硬件加速技术三个方面进行综述。针对传统图像算法在目标检测与分割中的实现流程，系统阐述图像预处理、图像分割与特征提取三个阶段算法，以及在纺织应用中分块并行计算、引入搜索算法等实时性优化策略。从轻量化模型设计与模型压缩两个维度探讨提升深度学习模型实时性能的有效路径。进一步分析传统图像算法与深度学习模型在硬件平台上的加速方案。结合实际应用场景，梳理异性纤维检测、条干检测、织物瑕疵检测与纬斜检测等关键任务中实时机器视觉方案，包括引入仿生优化算法与特征筛选机制、采用YOLO等轻量级模型以及构建DSP-FPGA协同计算架构等方式。最后，总结了实现实时机器视觉的算法优化与硬件加速方法，展望在纺织生产领域中对机器视觉技术要求更快速、更精准的发展趋势。