1.一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述方法包括以下步骤：步骤1：基于正常图像样本，在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集；将训练集输入自动编码器模型；设置自动编码器参数；

步骤2：自动编码器输出重构图像；

步骤3：将正常图像样本、经疵图像样本和纬疵图像样本分别与重构图像作差；将作差图进行预处理；

步骤4：创建BP神经网络模型，以步骤3处理得到的数据集作为BP神经网络的训练集，设定BP神经网络参数，得到BP神经网络模型；

步骤5：输入待测样本图像，将待测样本图像与所述重构图像作差，进行与步骤3相同的预处理，得到待测作差图像，输入BP神经网络；

步骤6：输出织物缺陷种类。

2.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤1中，自动编码器模型包括4层隐藏层。

3.根据权利要求2所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述隐藏层的维度分别为1500、500、200和50。

4.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤1中，预设比例为2％～8％。

5.根据权利要求2所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：步骤1包括以下步骤：步骤1.1：以sigmoid为自动编码器模型的隐层激活函数；

步骤1.2：令第一层的学习率为0.5，自动编码器去噪效果为0.5；

步骤1.3：令第二层学习率为0.5，自动编码器去噪效果为0.3；

步骤1.4：令第三层学习率为0.2，自动编码去噪效果为0.2；

步骤1.5：令第四层学习率为0.1，自动编码器去噪效果为0.3。

6.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤3中，预处理包括以下步骤：步骤3.1：对作差图二值化处理；

步骤3.2：对二值化的图进行去噪处理；

步骤3.3：得到预处理后的数据集。

7.根据权利要求6所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤3.1中，所述二值化处理的阈值为0.12。

8.根据权利要求6所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤3.2中，所述去噪处理的阈值为10。

9.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤4中，创建BP神经网络模型，隐藏层数 其中，m为输入层节点数，n为输出层节点数，a为从1到10的调整数；设定最大训练次数、目标误差和学习率。

10.根据权利要求9所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：设定最大训练次数2500次、目标误差为0.01、学习率为0.05。