1.一种基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，按照以下步骤实施：步骤1，对现有的缝纫线迹的缺陷进行分类，并加各类以命名录入分类器的数据库中；

所述缝纫线迹的缺陷的分类包括线迹不均匀缺陷、断线缺陷和回缝缺陷；

步骤2，采用工业相机获取待检测缝纫线迹的图片，根据监督分类算法的原理，使用步骤1得到的分类器对该缝纫线迹的缺陷进行识别，判断该缺陷的类别；

步骤3，对步骤2识别出的缺陷进行检测，判断该缺陷是否导致缝纫制品为NG；

针对所述线迹不均匀缺陷，所述步骤3具体按照以下步骤实施：步骤3.11，在步骤2得到的图片中设定缝纫线迹的ROI区域并确定灰度投影矩形；

步骤3.21，通过步骤3.11得到的图片，经高斯平滑处理得到更加清晰锐化的线迹边缘；

步骤3.31，步骤3.21得到的图片中的灰度投影矩形的剖面线在进行灰度投影后，先得到多条投影线，然后再通过灰度投影矩形进行边缘检测得到各针脚点的坐标值；

步骤3.41，利用最小二乘法将步骤3.31提取到的针脚坐标点进行拟合，得到一条拟合直线；

步骤3.51，求出各段线迹的针脚点到步骤3.41得到的拟合直线的距离，设定阈值判断是否为NG；

针对所述断线缺陷，所述步骤3具体按照以下步骤实施：步骤3.12，在步骤2得到的图片中设定缝纫线迹的ROI区域并确定灰度投影矩形；

步骤3.22，通过步骤3.12得到的图片，经高斯平滑处理得到更加清晰锐化的线迹边缘；

步骤3.32，步骤3.22得到的图片中的灰度投影矩形的剖面线在进行灰度投影后，先得到多条投影线，然后再通过灰度投影矩形进行边缘检测得到各针脚点的坐标值；

步骤3.42，依次计算各针脚点之间的距离，设定阈值，各个距离与阈值比较，大于阈值则记录位置，最终判断为断线缺陷；

针对所述回缝缺陷，所述步骤3具体按照以下步骤实施：步骤3.13，在步骤2得到的图片中设定缝纫线迹的ROI区域，之后对该ROI区域进行形态学操作使其更加清晰，最后从该ROI区域获取模板图像并保存，建立得到匹配用的模板图像；

步骤3.23，采用基于相关性匹配算法识别回缝缺陷：首先获取模板图像的像素并计算均值与标准方差、像素与均值diff数据样本；之后再根据模板图像的大小，将目标图像上从左到右，从上到下移动窗口，并计算目标图像每移动一个像素之后窗口的内像素与模板图像像素的ncc值，设定阈值，其结果与阈值比较，大于阈值则记录位置；最后选择相关性最大的作为最终匹配目标；

步骤3.33，根据步骤3.23得到的位置信息，使用矩形标记出匹配识别其结果。

2.根据权利要求1所述的基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，所述步骤3.31中，通过灰度投影矩形进行边缘检测得到各针脚点的坐标值的过程为：先获取每条投影线的平均强度，然后再对获取的投影线的投影波形进行微分处理，得到微分波形，最后在得到的微分波形中设置边缘敏感度。

3.根据权利要求2所述的基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，所述步骤3.32中，通过灰度投影矩形进行边缘检测得到各针脚点的坐标值的过程为：先获取每条投影线的平均强度，然后再对获取的投影线的投影波形进行微分处理，得到微分波形，最后在得到的微分波形中设置边缘敏感度。

4.根据权利要求3所述的基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，所述工业相机为MER-1070-10GM工业数字摄像机，所述工业相机的镜头为M3514-MP2 CBC镜头。

5.根据权利要求4所述的基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，在所述步骤2中，相机获取待检测缝纫线迹的图片时，采用红色带有偏振片的环形光源明场。

6.根据权利要求5所述的基于机器视觉的缝纫线迹缺陷检测方法，其特征在于，所述环形光源为LED环形光源。