1.一种基于统计分析的纺织物纹理缺陷自动检测方法，其特征在于，包括以下步骤：

1)获取纺织物图像数据集：

使用正常光照条件下的标准相机拍摄产品图像，采集的原始图像应为灰度图像，以便后续处理；

2)纺织物图像预处理：

为了加快模型的训练速度，对纺织物图像进行预处理；包括图像裁剪、感兴趣区域提取、图像二值化以及二值图像的孔洞填充与降噪；

3)质心提取与经纬线绘制：

提取质心，并根据质心点绘制经纬线图，质心的经线用来反映异常点偏离竖直纹理的程度，而质心的纬线则用来反映异常点偏离水平纹理的程度；

4)构建质心经纬线统计属性的缺陷检测模型：

计算经、纬线上各质心点处的斜率和曲率，在设定阈值后，依据斜率值、曲率值的双重约束判定，经线、纬线的结合交叉验证来准确自动的检测异常质心的位置；

所述步骤4)的过程为：

在织物的经纬图中，缺陷存在的一个共同特性是其所在位置的质心严重的偏离了所在的经纬线，用数学表达为：质心所在经线和纬线的位置，曲线的斜率和曲率存在突变，即在质心位置经纬线的斜率和曲率变化曲线出现极值；下面以经线的异常质心检测过程为基础，阐述质心曲线斜率‑曲率曲线变化检测缺陷过程；

在第i条经线的第j个质心点Ci，j处的斜率Ki，j计算公式为：式中：(Xi，j，Yi，j)表示质心点Ci，j的坐标；

(Xi，j+1，Yi，j+1)表示质心点Ci，j+1的坐标；

质心点Ci，j出的曲率Qi，j计算公式为：

式中：Yi，j”是经线i在质心点Ci，j处的二阶导数，质心经线的斜率极值是验证异常质心点的第一约束，而曲率极值是判断异常质心点第二约束，二者的结合应用增加了经线异常检测的准确性及可靠性；判断异常质心点的准则条件为：(Ki，j≥δ)∩(Qi，j≥δ)

其中，δ为质心异常状态下偏离临界值，称为阈值；∩表示取交集；

阈值的设置需要考虑到全部质心点处的斜率范围和曲率范围，具体地步骤如下：A)计算全部经线的质心点的斜率并取绝对值；B)对全部的斜率绝对值按照从大到小排序，得到斜率向量K；C)取K的元素数量的m％，记为数值d；D)取向量K中的第d个元素值作为斜率阈值；同理，取曲率向量Q中的第l个元素值作为曲率阈值；从上述步骤中可知，斜率与曲率的阈值计算方式分别为：δK＝abs(K(fix(length(K)×m％))δQ＝(abs(Q(fix(length(Q)×m％))式中：δK为斜率阈值；

δQ为曲率阈值；

abs为取绝对值；

fix()为取整函数；

length()为计算向量长度(及元素个数)的函数；

阈值由比例值m％唯一决定，m％反映了整个质心图中异常质心的比例，该值常需要根据检测物的损坏状态设定，确定后即可通过上述曲线与曲率极值法确定缺陷位置并标记；

在判断确定经线上的异常质心后，按照同样的方法确定纬线上的异常质心，两种方法选定的共有异常质心点处可确定为织物的纹理缺陷。

2.如权利要求1所述的基于统计分析的纺织物纹理缺陷自动检测方法，其特征在于，所述步骤2)的过程为：步骤2.1)对图像中心位置进行裁切，并选择裁切后图像的子区域作为感兴趣区域；

步骤2.2)将每个像素分配给一类背景或前景，如果灰度强度值大于确定的阈值，则它属于前景类，否则属于背景；在采样图像中使用大津法QTSU是指根据观察到的灰度强度值的分布自动寻找最佳阈值的方法；

步骤2.3)填充二值图像中的空洞区域，随后，采用中值滤波对图像进行降噪；中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

3.如权利要求1或2所述的基于统计分析的纺织物纹理缺陷自动检测方法，其特征在于，所述步骤3)的过程为：步骤3.1)质心提取：

二值化后的图像中白色块的排列分析难以再用来分析织物缺陷，为了观察白色区域在二进制图像中的分布情况，对每个二进制图像的白色区域的质心进行提取；

步骤3.2)质心经纬线绘制：

二值化图像中白色块状近似形状和体积相等，且在水平和竖直方向呈直线状排列；水平或垂直连接二进制图像中白色块的质心来预测白色块之间的水平或垂直距离；质心的经线或纬线用来反映异常点偏离竖直或水平纹理的程度。