1.基于改进YOLOv4‑tiny的布匹缺陷检测方法，其特征在于，

步骤1：对采集的布匹缺陷数据集进行缺陷类型标注，并按一定比例划分为训练集和测试集；

步骤2：利用训练集对布匹缺陷检测模型进行训练，获取最优检测模型；

步骤3：利用训练得到的最优检测模型对测试集中的图片数据进行检测；

所述布匹缺陷检测模型的构建过程包括：

在YOLOv4‑tiny主干网络中的残差块加入密集连接卷积块CSPDenseBlock，并在主干网络最后加入spp模块，形成新的特征提取网络；新的所述特征提取网络输出两种不同尺度的特征图；两种不同尺度的特征图分别通过各自对应的卷积块处理后进入各自的YOLO层对目标进行预测；

新的所述特征提取网络包括自上而下依次连接的两层第一卷积块、CSPblock模块、两层密集连接卷积块CSPDenseBlock、spp模块和第二卷积块；

所述第一卷积块包括依次连接的第一Conv2d层、bn层和LeakyReLU激活函数；所述第一Conv2d层为卷积核为3×3 ，步长为2，填充0的行数或列数为1的卷积层；所述第二卷积块包括依次连接的第二Conv2d层、bn层和LeakyReLU激活函数；所述第二Conv2d层为卷积核为3×3 ，步长为1，填充0的行数或列数为1的卷积层；

第一层所述密集连接卷积块CSPDenseBlock具体为：将CSPblock模块中进行第一次concat操作后的输出所经过的第三卷积块替换为Dense Block；

所述Dense Block包括自上而下的5层子网络层；其中，第一层子网络层和第三层子网络层具体为依次连接的bn层和LeakyReLU激活函数；第二层子网络层和第四层子网络层具体为增长率k为64的第四Conv2d层；第五层子网络层具体为concat层；第二层子网络层的输出和第四层子网络层的输出通过第五层子网络层进行concat操作；

第二层所述密集连接卷积块CSPDenseBlock具体为：将第一层所述密集连接卷积CSPDenseBlock中的第二层子网络层和第四层子网络层的增长率k设置为128，其余结构与第一层所述密集连接卷积块CSPDenseBlock相同。

2.根据权利要求1所述的布匹缺陷检测方法，其特征在于，所述CSPblock模块具体为：将残差块的堆叠拆成第一部分和第二部分；第二部分经过第二卷积块，然后继续拆分成第三部分和第四部分；第四部分经过第二卷积块后与第三部分进行第一次concat操作；

进行第一次concat操作后的输出再经过第三卷积块后与第一部分进行第二次concat操作；

其中，所述第三卷积块包括依次连接的第三Conv2d层、bn层和LeakyReLU激活函数；所述第三Conv2d层为卷积核为1×1 ，步长为1，填充0的行数或列数为1的卷积层。

3.根据权利要求1所述的布匹缺陷检测方法，其特征在于，所述spp模块具体包括：conv层、第一最大池化层、第二最大池化层、第三最大池化层、第四最大池化层和concat层；其中，conv层的输出分别经过第一最大池化层、第二最大池化层、第三最大池化层、第四最大池化层后，通过concat层进行concat操作；

所述第一最大池化层、第二最大池化层、第三最大池化层、第四最大池化层的卷积核大小分别为13×13、9×9、5×5、1×1，步长均为2。

4.根据权利要求1所述的布匹缺陷检测方法，其特征在于，步骤1中，采集的布匹缺陷数据集包含网格和条纹；布匹的缺陷类型包括断纱、带纱、棉球、破洞和污渍。

5.根据权利要求1所述的布匹缺陷检测方法，其特征在于，还包括：

步骤4：对测试集的检测结果进行检测精度和实时性评价；评价指标包括AP和mAP。