本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法，包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像，通过图像预处理得到训练样本集，然后训练深度神经网络中的参数。检测时，首先得到待测图像的检测样本集，然后采用深度神经网络得到网络输出，最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征，根据Fisher准则计算代价函数值，能够提取图像中各个方向大小的纹理，提高检测准确率。采用深度神经网络自动选择图像特征，解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。

本发明公开了基于Gabor滤波和深度神经网络的经编提花织物疵点检测方法，包含训练阶段和检测阶段两部分。模型训练阶段中采用无疵点织物图像，通过图像预处理得到训练样本集，然后训练深度神经网络中的参数。检测时，首先得到待测图像的检测样本集，然后采用深度神经网络得到网络输出，最后得到疵点检测结果。本发明采用Gabor滤波器提取织物纹理特征，根据Fisher准则计算代价函数值，能够提取图像中各个方向大小的纹理，提高检测准确率。采用深度神经网络自动选择图像特征，解决现有基于机器视觉疵点检测方法人为选择特征的缺陷和不足。