1.一种基于特征融合的有色玻璃检测方法，其特征在于：包括以下步骤：

步骤一：数据库建立：获取大量不同有色玻璃图片信息，建立有色玻璃数据库，对待测有色玻璃图片进行图像清晰度处理，获取清晰的待测有色玻璃图像；

步骤二： BP神经网络建立：建立基于整体采样通道和局部采样通道的双道特征融合的BP神经网络模型；

步骤三：网络训练：通过多类型数量数据库对双道特征融合的BP神经网络模型进行训练，调整BP神经网络模型的参数值，确保BP神经网络模型输出值的正确性；

步骤四：图像检测：获取待测有色玻璃图片信息并将之输入至基于双通道融合的BP神经网络模型，使得待测有色玻璃图片信息与多类型有色玻璃的数据库进行特征比对，输出数据库中与待测有色玻璃图片的颜色信息相似度最高的图像，其中，特征比对过程中采用欧几里得距离中的二维空间公式计算待测有色玻璃图片的随机点，如公式（1）：（1）

式中 和 为待测有色玻璃图片中两随机点的坐标， 为两随机点之间的

距离，当 近似等 时，表明数据库中有类似待测有色玻璃图片的有色玻璃，选取多组随机点进行计算，选取数据库中颜色相似度最高的有色玻璃图片， 为数据库有色玻璃图片中两随机点之间的距离，且 的随机点与 随机点所在图片中的位置相同；

步骤五：输出判断：在基于双通道融合的BP神经网络模型中设定一个判断阈值，当数据库中输出的有色玻璃图片的颜色相似度不小于判断阈值，则直接输出数据库中的有色玻璃图片；反之，再次进行图像检测。

2.根据权利要求1所述的基于特征融合的有色玻璃检测方法，其特征在于：所述步骤二中整体采样通道由五层卷积层和五层池化层组成，所述五层卷积层均采用5*5的卷积核，所述五层池化层均采用最大池化，池化尺寸为2*2。

3.根据权利要求1所述的基于特征融合的有色玻璃检测方法，其特征在于：所述步骤二中局部采样通道由五层卷积层和五层池化层组成，所述五层卷积层均采用1*3卷积核和3*1卷积核堆叠形成的卷积层，所述池化层均采用最大池化，池化尺寸为2*2。

4.根据权利要求1所述的基于特征融合的有色玻璃检测方法，其特征在于：所述步骤五中判断阈值设定为0.95。