1.一种带材跑偏量检测方法，其特征在于，所述检测方法包括：获取生产现场的带材跑偏图像；

对所述带材跑偏图像进行预处理，得到预处理后图像；

将所述预处理后图像作为输入，利用分割模型得到辊道和带材的分割结果图像；

对所述分割结果图像进行边缘提取，得到边缘提取图像；

根据所述边缘提取图像，计算所述带材的跑偏量。

2.根据权利要求1所述的检测方法，其特征在于，所述对所述带材跑偏图像进行预处理，得到预处理后图像具体包括：根据ROI兴趣区域，对所述带材跑偏图像进行截取，得到预处理后图像。

3.根据权利要求1所述的检测方法，其特征在于，在将所述预处理后图像作为输入，利用分割模型得到辊道和带材的分割结果图像之前，所述检测方法还包括利用数据集对分割网络进行训练得到分割模型的步骤，具体包括：获取多张带材跑偏训练图像，对每一所述带材跑偏训练图像进行预处理，得到预处理后训练图像；

对每一所述预处理后训练图像添加标签，得到标签图像；所有所述预处理后训练图像和所述标签图像组成数据集；

利用所述数据集对分割网络进行训练，得到分割模型。

4.根据权利要求1所述的检测方法，其特征在于，所述分割模型包括特征提取模块、池化模块、拼接模块和卷积模块；所述特征提取模块分别与所述池化模块和所述拼接模块相连接；所述池化模块与所述拼接模块相连接；所述拼接模块与所述卷积模块相连接；

所述将所述预处理后图像作为输入，利用分割模型得到辊道和带材的分割结果图像具体包括：

利用所述特征提取模块对所述预处理后图像进行特征提取，得到原始特征；

利用所述池化模块所包含的多种尺寸的池化核分别对所述原始特征进行池化，得到多个不同大小的池化后特征；

利用所述拼接模块对所述多个不同大小的池化后特征进行上采样，得到多个采样后特征，并将所述多个采样后特征与所述原始特征进行拼接，得到拼接后特征；

利用所述卷积模块对所述拼接后特征进行卷积操作，得到辊道和带材的分割结果图像。

5.根据权利要求1所述的检测方法，其特征在于，所述对所述分割结果图像进行边缘提取，得到边缘提取图像具体包括：对所述分割结果图像进行透视变换处理，得到校正后图像；

对所述校正后图像进行基于图像阈值的分割处理，得到分割后图像；

对所述分割后图像进行边缘提取处理，得到边缘提取图像。

6.根据权利要求5所述的检测方法，其特征在于，所述对所述分割结果图像进行透视变换处理，得到校正后图像具体包括：以所述分割结果图像中的辊道作为变换参照物，确定变换矩阵；

根据所述变换矩阵，对所述分割结果图像进行透视变换处理，得到校正后图像。

7.根据权利要求5所述的检测方法，其特征在于，所述对所述分割后图像进行边缘提取处理，得到边缘提取图像具体包括：利用Canny边缘检测算子对所述分割后图像进行边缘提取处理，得到边缘提取图像。

8.根据权利要求1所述的检测方法，其特征在于，所述根据所述边缘提取图像，计算所述带材的跑偏量具体包括：

将所述边缘提取图像转换为二维矩阵；所述二维矩阵中每一个元素的值为所述边缘提取图像中对应像素点的灰度值；

选取所述边缘提取图像的高度的一半作为基准高度，并根据所述基准高度确定所述二维矩阵中的基准行；

根据所述基准行上各个元素的灰度值，确定辊道左边缘所在列、带材左边缘所在列、带材右边缘所在列以及辊道右边缘所在列；

根据所述辊道左边缘所在列、所述带材左边缘所在列、所述带材右边缘所在列以及所述辊道右边缘所在列计算所述带材的跑偏量。

9.根据权利要求8所述的检测方法，其特征在于，所述根据所述辊道左边缘所在列、所述带材左边缘所在列、所述带材右边缘所在列以及所述辊道右边缘所在列计算所述带材的跑偏量具体包括：

根据所述带材左边缘所在列和所述带材右边缘所在列确定所述带材的图像宽度；

根据所述图像宽度和所述带材的实际宽度确定转换比例因子；

根据所述辊道左边缘所在列和所述带材左边缘所在列确定带材距辊道左边缘距离，根据所述辊道右边缘所在列和所述带材右边缘所在列确定带材距辊道右边缘距离；

根据所述带材距辊道左边缘距离、所述带材距辊道右边缘距离和所述转换比例因子计算所述带材的跑偏量。

10.一种带材跑偏量检测系统，其特征在于，所述检测系统包括：获取单元，用于获取生产现场的带材跑偏图像；

预处理单元，用于对所述带材跑偏图像进行预处理，得到预处理后图像；

分割单元，用于将所述预处理后图像作为输入，利用分割模型得到辊道和带材的分割结果图像；

边缘提取单元，用于对所述分割结果图像进行边缘提取，得到边缘提取图像；

跑偏量计算单元，用于根据所述边缘提取图像，计算所述带材的跑偏量。