1.一种基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，所述基于物联网的钢板在线固溶的轧后快速冷却方法包括以下步骤：步骤一，摄像器采用具有时效动态性的算法采集冷却钢板图像数据；使用特普勒图像特征算法提取冷却钢板图像特征；温度传感器检测冷却钢板的温度数据；操作控制按键操作钢板冷却设备；

步骤二，采用空间域融合方法对采集的图像信息进行分解变换，无线发射器将采集的图像信息发送到服务器进行存储；

步骤三，冷凝器对冷却钢板的水进行降温操作；喷洒器将冷却的水喷洒到钢板冷却；

步骤四，确定热弹塑性应力、应变关系，通过冷却模拟控制模块利用模拟程序模拟对钢板的冷却操作；

所述热弹塑性应力、应变关系在弹性区域内，全应变增量d{ε}表示为：d{ε}＝d{ε}e+d{ε}T＝d{ε}e+{α}dT；

式中，{α}表示线膨胀系数向量，d{ε}e表示弹性应变增量，d{ε}T表示温度应变增量；将虎克定律进行微分得到：解出d{σ}得到：

上式表示温度对材料性质在弹性区域内的影响程度关系；

在弹性区域内，全应变增量 分解为：

d{ε}＝d{ε}e+d{ε}p+d{ε}T；

式中，d{ε}p表示塑性应变增量，d{ε}e表示弹性应变增量，d{ε}T表示温度应变增量；得出等效塑性应变增量塑性区的应力-应变的增量关系为：

式中，[D]ep是常温下的弹塑性矩阵；

步骤五，利用图像处理程序根据采集的图像进钢板缺陷检测；

所述缺陷检测具体包括：

(1)提取多个样本的HOG特征，得到样本的HOG特征矩阵H；

(2)对H用PCA降维构造超完备字典D；

(3)对于待检测钢板Blockij，i＝1，2，...，n，n表示待检测的钢板的个数；

(4)对每个Blockij，计算其HOG特征，并用PCA进行降维，得到将为后的特征向量HPij；

(5)将HPij输入到稀疏表示分类器SRC中计算与H矩阵中正常钢板的误差，Blockij对应误差较小的类别，判断Blockij是否存在缺陷；

步骤六，通过显示模块利用显示器显示采集的钢板图像数据信息及温度数据。

2.如权利要求1所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，采用具有时效动态性的算法，算法表达式描述如下：式中，h，f，j，h′，f′，j′都表示图像分析模块动态点，在进行采集图像与物联网图像信息交互时，完成对物联网图像的提取与图像特征分析，存储终端采集数据与调取物联网资源数据，分析并回馈结果给终端；

特征采集模块，在提取图像特征时，使用特普勒图像特征算法，表达式为：整合图像模块，设计两个通道，通道一的功能是输入数字信号，这一环节是单向，通道二完成数字信号向图像信号的转换，基于数字信号向图像信号的转换，表达式为：获取到信号在转换时的一个排列结构，根据这个排列结构，完成图像整合。

3.如权利要求1所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，采用空间域融合方法对采集的图像信息进行分解变换，进行融合的图像两幅源图像分别为A和B，源图像大小为M×N，融合后的得到的图像为F，图像A和B的加权平局融合表示为：F(m，n)＝wA(m，n)A(m，n)+wB(m，n)B(m，n)；

式中，A(m，n)为源图像A在坐标(m，n)点处的灰度值，B(m，n)为源图像B在坐标(m，n)点处的灰度值，m＝1，2，…，Mn＝1，2，…，N；wA和wB为加权系数，wA+wB＝1；有N个含有噪声的图像gi(m，n)：gi(m，n)＝f(m，n)+ηi(m，n)；

式中，i＝1，2，…，N；

f(m，n)为源图像在点(m，n)处的像素值；

ηi(m，n)为图像在点(m，n)处的不相关、零均值随机噪声；

对N个图像进行融合，得到的图像 为：

那么： 的均值：

式中， 为g在点(m，n)处的方差， 为η在点(m，n)处的方差；

融合后的图像F在(m，n)处的标准差为：

4.如权利要求2所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，冷却模拟方法如下：(1)主控模块将优化设定计算的控制量通过TCP/IP网络下发到PLC的数据接收模块；

(2)PLC的数据收集模块将控制信号和实测数据通过TCP/IP网络上传给主控模块；

(3)PLC通过与冷却设备模拟装置的开关信号、模拟钢板运动的变频电机、位置检测仪表及电动调节开关、模拟温度测量仪表的连接，模拟钢板的冷却效果，对模拟冷却钢板的位置进行跟踪；

(4)PLC根据钢板位置信号启动优化设定模型的计算功能，接收主控模块的设定控制量，完成为模拟流量设备、开关、模拟边部遮蔽的设定调节，并根据实际调节阀的响应时间，设计模拟调节时间，模拟实际设备响应状态，从而确定最佳控制点位置；

(5)PID控制器对模拟流量调节阀和变频电机速度实现闭环控制；

(6)PLC通过接收工控机计算得到的虚拟钢板的在到达模拟冷却线不同位置的温度，上传给主控模块，主控模块完成设定控制量的重新优化后再次发送给PLC，PLC实现在线的优化控制。

5.如权利要求1所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，缺陷检测方法如下：(1)接收待检测钢板的图片数据，并根据所述图片数据生成缺陷检测请求；

(2)监测多个服务器的运行状态，将所述待检测钢板的图片数据和所述缺陷检测请求发送至第一服务器上；其中，所述多个服务器每个都搭载检测模型，并且所述第一服务器为所述多个服务器中计算负载最小的服务器；

(3)从所述第一服务器接收预测结果；其中，所述预测结果通过所述检测模型对所述待检测钢板的图片数据进行预测计算后得到，并且所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别；

(4)根据所述缺陷检测请求，利用检测模型对所述图像数据进行预测计算，得到并输出预测结果；其中，所述预测结果包括检测合格和缺陷结果，所述缺陷结果中包括所述待检测钢板的缺陷中每个缺陷的位置和类别。

6.如权利要求5所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，所述利用检测模型对所述图像数据进行预测计算，包括：利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征；

根据所提取的钢板特征，判断所述待检测钢板是否具有缺陷；

在确定所述待检测钢板具有缺陷时，利用预设分类器确定所述缺陷中的每个的位置和类别，并根据所述缺陷中的每个的位置和类别生成所述缺陷结果的预测结果；在确定没有在所述待检测钢板上检测到缺陷时，生成所述检测合格的预测结果。

7.如权利要求3所述的基于物联网的钢板在线固溶的轧后快速冷却方法，其特征在于，所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征之前，还包括：对所述待检测钢板的图像数据进行预处理；

并且，所述利用深度卷积神经网络提取所述待检测钢板的图像数据中的钢板特征包括：利用深度卷积神经网络提取经预处理的图像数据中的钢板特征；

所述钢板特征利用多件钢板的图像通过训练获得，并且根据预定时间间隔或根据接收到的更新指令进行更新；其中，所述更新指令指示，根据所接收的钢板图片数据和所述预测结果对所述检测模型进行更新，并且所述多件钢板的规格相同并且以同一工艺形成；

所述根据所提取的钢板特征判断所述待检测钢板是否具有缺陷包括：将所提取的钢板特征与合格钢板的对应钢板特征进行比较，并根据比较结果判断所述待检测钢板是否具有缺陷。

8.一种实现权利要求1所述基于物联网的钢板在线固溶的轧后快速冷却方法的基于物联网的钢板在线固溶的轧后快速冷却系统，其特征在于，所述基于物联网的钢板在线固溶的轧后快速冷却系统包括：图像采集模块、温度检测模块、操作控制模块、主控模块、无线通信模块、服务器、冷却模块、喷水模块、冷却模拟控制模块、缺陷检测模块、显示模块；

图像采集模块，与主控模块连接，用于通过摄像器采集冷却钢板图像数据；

温度检测模块，与主控模块连接，用于通过温度传感器检测冷却钢板的温度数据；

操作控制模块，与主控模块连接，用于通过操作控制按键操作钢板冷却设备；

主控模块，与图像采集模块、温度检测模块、操作控制模块、无线通信模块、冷却模块、喷水模块、冷却模拟控制模块、缺陷检测模块、显示模块连接，用于通过单片机控制各个模块正常工作；

无线通信模块，与主控模块、服务器连接，用于通过无线发射器将采集的图像信息发送到服务器进行存储；

冷却模块，与主控模块连接，用于通过冷凝器对冷却钢板的水进行降温操作；

喷水模块，与主控模块连接，用于通过喷洒器将冷却的水喷洒到钢板上进行冷却；

冷却模拟控制模块，与主控模块连接，用于通过模拟程序模拟对钢板的冷却操作；

缺陷检测模块，与主控模块连接，用于通过图像处理程序根据采集的图像进钢板缺陷检测；

显示模块，与主控模块连接，用于通过显示器显示采集的钢板图像数据信息及温度数据。

9.一种实施权利要求1～7任意一项所述基于物联网的钢板在线固溶的轧后快速冷却方法的信息数据处理终端。

10.一种实施权利要求1～7任意一项所述基于物联网的钢板在线固溶的轧后快速冷却方法的计算机程序。