本发明公开了基于深度学习和支持向量数据描述的织物疵点检测方法，包含学习过程和检测过程。网络的学习是建立在无疵点图像基础上，通过图像预处理得到训练样本特征向量集，然后训练深度神经网络层叠自编码器(SAE)中的参数得到降维后的特征向量集，最后采用随机漂移粒子群优化(RDPSO)算法优化支持向量数据描述(SVDD)的参数。检测时，首先得到待检测图像的特征向量集，然后采用SAE得到降维后的特征向量集，最后输入到SVDD中得到疵点检测结果。本发明的方法能够解决现有疵点检测方法人为选择特征的缺陷和不足，提高检测效果的准确度和精度。

本发明公开了基于深度学习和支持向量数据描述的织物疵点检测方法，包含学习过程和检测过程。网络的学习是建立在无疵点图像基础上，通过图像预处理得到训练样本特征向量集，然后训练深度神经网络层叠自编码器(SAE)中的参数得到降维后的特征向量集，最后采用随机漂移粒子群优化(RDPSO)算法优化支持向量数据描述(SVDD)的参数。检测时，首先得到待检测图像的特征向量集，然后采用SAE得到降维后的特征向量集，最后输入到SVDD中得到疵点检测结果。本发明的方法能够解决现有疵点检测方法人为选择特征的缺陷和不足，提高检测效果的准确度和精度。