服装面料缝纫平整度是指面料在缝纫过程中受低应力作用后所呈现出来的起皱程度。随着面料轻薄化发展趋势，轻薄织物的缝纫不平整现象更为严重，从而影响到成衣质量，因此有必要建立一种可根据织物各项性能来预测成衣缝纫质量的客观评价方法。本文以轻薄毛织物为研究对象，在对其FAST物理力学性能数据进行相关分析和主成分分析的基础上，建立概率神经网络预测模型来客观评价轻薄毛织物的缝纫性能，取得了较好的预测效果。首先利用FAST织物客观测试系统对轻薄毛织物的各项物理力学性能指标进行了测试，经过统计分析所测数据得出：轻薄毛织物具有弯曲刚度较低，伸长能力大，经纬向成型性偏小的特点。经纬斜三角度力学性能对比，所有性能中，除弯曲刚度B外，45°斜向各性能的均值为三角度中最大值。然后采用斯皮尔曼秩相关分析法对织物各项物理力学性能指标与同向缝纫平整度等级进行了相关性分析，得出织物结构物理性能、弯曲力学性能的各指标与织物缝纫平整度等级的相关性均较低；织物拉伸力学性能指标中，除了EB5、G两个指标与织物缝纫性能相关性较弱外，其他指标与缝纫平整度等级具有一定的相关性；织物成型性指标F与缝纫平整度等级具有较大的相关性；织物尺寸稳定性中的吸湿膨胀与织物的缝纫平整度等级具有一定的相关性，松弛收缩与缝纫性能相关性较差。同时从织物上下层异向角度缝纫实验出发，研究了织物力学性能差异变化与缝纫平整性能的关系，得出所有力学性能差异中，只有上下层拉伸性能差值和松弛收缩差值对缝纫等级有影响，其他性能差值与缝纫等级的相关性较小。最后，采用人工智能技术，建立了基于概率神经网络的缝纫平整度等级预测模型，实现了通过织物的基本力学物理指标对缝纫平整性能的非线性预测。为了提高神经网络的预测精度，首先对织物的各项物理力学性能指标进行主成分分析，提取了六个特征参数作为网络的输入参数，经过大量的训练，得出最佳网络模型，并与BP网络模型进行了对比，结果表明PNN网络模型优于BP网络模型。