1.一种基于人工智能的桥梁安全检测方法，其特征在于，包括以下步骤：获取待检测桥梁的试验静态荷载时每一跨的侧面图像、无载荷时每一跨的侧面图像以及主梁上部结构的表面深度图像；

根据待检测桥梁的试验静态荷载时每一跨的侧面图像和无载荷时每一跨的侧面图像中的像素值，得到待检测桥梁的最大挠度限值；

根据待检测桥梁的主梁上部结构的表面深度图像，确定待检测桥梁的各个潜在损伤区域以及各个潜在损伤区域的面积和噪声值以及各个像素点的灰度值、RGB值和梯度值；

根据各个潜在损伤区域的噪声值和各个像素点的灰度值、RGB值、梯度值，进而得到各个潜在损伤区域的纹理复杂度、颜色复杂度和平滑度指标；

根据待检测桥梁的各个潜在损伤区域的面积、纹理复杂度、颜色复杂度和平滑度指标，得到待检测桥梁的各个潜在损伤区域的置信度指标；

获取各个潜在损伤区域的超声波检测信号，进而获取各个潜在损伤区域的质心曲线，并根据各个潜在损伤区域的质心曲线，得到各个潜在损伤区域的潜在损伤程度；

根据待检测桥梁的最大挠度限值、各个潜在损伤区域的置信度指标和潜在损伤程度，得到待检测桥梁的安全性指标；

各个潜在损伤区域的置信度指标的计算公式为：

其中，Fi为待检测桥梁的第i个潜在损伤区域的置信度指标，Ti为第i个潜在损伤区域的纹理复杂度，Ci为第i个潜在损伤区域的颜色复杂度，Ni为第i个潜在损伤区域的面积，Si为第i个潜在损伤区域的平滑度指标；

各个潜在损伤区域的潜在损伤程度的计算公式为：

Faulti＝DTW(Curvei，0)

其中，Faulti为第i个潜在损伤区域的潜在损伤程度，DTW(Curvei，0)为第i个潜在损伤区域的质心曲线Curvei和幅值为0的标准曲线之间的相似度；

待检测桥梁的安全性指标的计算公式为：

其中，Safe为待检测桥梁的安全性指标，MD为待检测桥梁的最大挠度限值，n为待检测桥梁的潜在损伤区域的个数，Fi为第i个潜在损伤区域的置信度指标，Faulti为第i个潜在损伤区域的潜在损伤程度。

2.根据权利要求1所述的基于人工智能的桥梁安全检测方法，其特征在于，得到各个潜在损伤区域的纹理复杂度、颜色复杂度和的平滑度指标的步骤包括：根据各个潜在损伤区域的噪声值和各个像素点的灰度值，计算各个像素点的局部三值模式值，得到各个潜在损伤区域的纹理复杂度；

根据各个潜在损伤区域的各个像素点的RGB值以及各个像素点的八邻域像素点的RGB值，计算各个像素点相对其八邻域像素点的颜色复杂度，进而计算各个像素点的颜色复杂度，进而得到各个潜在损伤区域的颜色复杂度；

根据各个潜在损伤区域的各个像素点的梯度值，确定各个潜在区域的各个波峰像素点和波谷像素点，计算潜在损伤区域的各个波谷与其相邻波峰之间的梯度均值，得到各个潜在损伤区域的平滑度指标。

3.根据权利要求2所述的基于人工智能的桥梁安全检测方法，其特征在于，各个潜在损伤区域的纹理复杂度的计算公式为：其中，Ti为第i个潜在损伤区域的纹理复杂度，N为第i个潜在损伤区域的像素点个数，LTPj为第i个潜在损伤区域的第j个像素点的局部三值模式值。

4.根据权利要求2所述的基于人工智能的桥梁安全检测方法，其特征在于，各个潜在损伤区域的颜色复杂度的计算公式为：其中，CFj为第i个潜在损伤区域的第j个像素点的颜色复杂度，DSinj为第i个潜在损伤区域的第j个像素点相对其第i个邻域像素点的颜色复杂度，Ci为第i个潜在损伤区域的颜色复杂度，N为第i个潜在损伤区域的像素点个数。

5.一种基于人工智能的桥梁安全检测系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令以实现如权利要求1‑4中任一项所述的基于人工智能的桥梁安全检测方法。