1.一种基于人工智能的泥头车车厢脏污程度的判定方法，其特征在于，该方法包括：泥头车车厢颜色色相和泥土颜色色相构成车厢图像中脏污像素点的色相，根据脏污像素点的色相中泥土颜色色相的占比获取脏污像素点的脏污程度；其中，所述泥土颜色色相的占比的获取方法为：脏污像素点的色相中车厢颜色色相、泥土颜色色相的占比分别为α、β，改变α、β的值，获取渐变色相卡，所述渐变色相卡中每个位置对应一组占比值(α,β)；

寻找脏污像素点色相在渐变色相卡中所处位置，该位置对应的β值为脏污像素点的色相中泥土颜色色相的占比；

基于每个脏污像素点周围与其脏污程度相同的像素点的分布情况获取脏污像素点的分布集中程度；

基于车厢图像中每个脏污像素点的脏污程度和分布集中程度，判定泥头车车厢的整体脏污程度；

α和β的取值范围为[0，1]。

2.如权利要求1所述的方法，其特征在于，所述脏污像素点的分布集中程度的获取方法为：分别对不同脏污程度的脏污像素点进行提取，得到每种脏污程度下的像素分布图；

根据像素分布图中脏污像素点的分布情况进行脏污子区域划分，根据脏污像素点的脏污程度和所属脏污子区域的大小获取脏污像素点的分布集中程度。

3.如权利要求2所述的方法，其特征在于，每个脏污像素点对应的脏污程度和分布集中程度相乘后再求和得到泥头车车厢脏污程度。

4.一种基于人工智能的泥头车车厢脏污程度的判定系统，其特征在于，该系统包括：第一模块，用于根据脏污像素点的色相中泥土颜色色相的占比获取脏污像素点的脏污程度；其中，泥头车车厢颜色色相和泥土颜色色相构成车厢图像中脏污像素点的色相；其中，所述泥土颜色色相的占比的获取具体为：脏污像素点的色相中车厢颜色色相、泥土颜色色相的占比分别为α、β，改变α、β的值，获取渐变色相卡，所述渐变色相卡中每个位置对应一组占比值(α,β)；

寻找脏污像素点色相在渐变色相卡中所处位置，该位置对应的β值为脏污像素点的色相中泥土颜色色相的占比；

第二模块，用于基于每个脏污像素点周围与其脏污程度相同的像素点的分布情况获取脏污像素点的分布集中程度；

第三模块，用于基于车厢图像中每个脏污像素点的脏污程度和分布集中程度，判定泥头车车厢的整体脏污程度；

α和β的取值范围为[0，1]。

5.如权利要求4所述的系统，其特征在于，所述脏污像素点的分布集中程度的获取步骤为：分别对不同脏污程度的脏污像素点进行提取，得到每种脏污程度下的像素分布图；

根据像素分布图中脏污像素点的分布情况进行脏污子区域划分，根据脏污像素点的脏污程度和所属脏污子区域的大小获取脏污像素点的分布集中程度。

6.如权利要求5所述的系统，其特征在于，每个脏污像素点对应的脏污程度和分布集中程度相乘后再求和得到泥头车车厢脏污程度。