发明公开了一种基于LBP特征与卷积神经网络的布匹缺陷分类方法，属于缺陷分类方法，该方法将采集的样本图像随机按比例划分为训练集和验证集和测试集，分别进行图像预处理，然后对利用卷积神经模型自动提取样本图像中最优的特征向量与图像所计算的LBP特征向量进行权重融合，为支持向量机分类模型提供最终的支持向量，支持向量机利用带精英策略的趋磁细菌算法优化模型中的超参数，考虑了图像的LBP特征，提取完之后，仅需进行对卷积神经网络自动提取出的特征向量的权重添加即可，明显减少布匹背景的干扰，本发明对于布匹的花色没有要求，可以用于解决不同花色和单色的布匹缺陷检测问题，具有算法实现简单，并且分类的准确率高，运行效率高。

该技术主要应用于纺织行业布匹生产质量检测环节，适用于棉、麻、化纤等多种材质的坯布、染色布及印花布的缺陷识别分类。可精准检测常见缺陷如断经、纬档、污渍、破洞等20余类瑕疵，检测精度达98%以上，适用于纺织企业生产线在线检测（速度≥60m/min）及离线抽检场景。特别在高端家纺、汽车内饰面料等对布面质量要求严格的领域具有突出优势，同时可延伸至无纺布、工业用布等特种纺织品检测市场，覆盖纺织行业80%以上的缺陷检测需求。