1.一种基于MLP多层神经网络的天然皮革缺陷分割方法，其特征在于，包括以下步骤：S1：通过图像采集模块采集皮革图像，将采集的皮革图像分为训练集和测试集；

S2：根据皮革颜色的不同对皮革图像进行标记，生成皮革颜色特征图；

S3：创建MLP多层神经网络分类器；

S4：将皮革颜色特征图转化成特征向量作为MLP多层神经网络的输入，利用训练集进行训练，将训练结果保存为模型文件；

S5：对测试集中皮革图像进行图像预处理；

S6：使用模型文件对测试集中的皮革图像进行预测，输出皮革图像的缺陷分割结果；

S7：使用传统图像处理方法丰富缺陷分割图的细节得到完整的皮革分割图像；

S8：提取皮革分割图像的瑕疵和皮革轮廓的边缘位置信息并进行坐标转换为DXF文件；

所述步骤S3中MLP多层神经网络分类器隐藏层的激活函数采用双曲线正切函数tanh(x)，其计算公式如下：式中，x作为输入，在神经网络中是特征向量的矩阵；

MLP多层神经网络分类器输出层的值被转换到0～1的值域内，这个转换函数称为softmax函数，其计算公式为：其中，yk表示第k个神经元的输出值，表示第二层第k个神经元的输出值，和分别表示第二层第k个神经元的权重和偏差；

所述MLP多层神经网络分类器的参数预处理采用主成分分析PCA；

所述步骤S4利用训练集进行训练需要根据代价函数J(ω,b)更新权重，其特征在于，所述代价函数里加入正则化项，更新后的代价函数的公式如下：式中，m表示神经元的总数，y(i)是第i层的真实输出值，是第i层的预测值，是用于正则化的惩罚项，λ是正则化参数，l是当前的神经网络的层数，L是神经网络的总层数，θl是第l层的正则化函数值。

2.根据权利要求1所述的一种基于MLP多层神经网络的天然皮革缺陷分割方法，其特征在于，所述步骤S5中图像预处理步骤如下：S5.1：将皮革图像分离成R通道、G通道、B通道三个子通道；

S5.2：对三个子通道分别进行滤波和图像均衡化处理；

S5.3：将三个子通道进行合并；

S5.4：对合并后的图像进行直方图变换以增强图像的对比度；

S5.5：对对比度增强后的图像进行滤波处理；

S5.6：得到处理后的皮革图像。

3.根据权利要求1所述的一种基于MLP多层神经网络的天然皮革缺陷分割方法，其特征在于，所述步骤S6中使用模型文件对测试集中的皮革图像进行预测，得到缺陷分割结果，并计算皮革图像平均预测时间和缺陷分割结果图像与人工标记的图像的定量评价指标的平均值，其中定量评价指标包括查准率、查全率、误检率。

4.根据权利要求1所述的一种基于MLP多层神经网络的天然皮革缺陷分割方法，其特征在于，所述步骤S7中传统图像处理的步骤为：S7.1：对原皮革图进行OTSU阈值分割，获取皮革的ROI区域；

S7.2：以ROI区域作为掩膜，使用图像的基本运算操作获得分割图像的整张皮革区域；

S7.3：对整张皮革区域进行形态学闭运算丰富瑕疵细节。