1.一种产品外观缺陷检测的最优分块方法，其特征在于，包括：S1：获取产品的外观图片和外观缺陷真实类别；

S2：将外观图片输入现有的基于分块的缺陷检测算法，并设置分块参数和评估次数；

S3：根据分块参数，进行块级缺陷检测，获得块级检测结果和像素级检测结果；

S4：将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，并计算每种分类属性的数量；

S5：基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数；

S6：根据块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数设置评估函数，计算最终评估结果；

S7：更新分块参数，重复步骤S3‑S6，进行下一轮评估过程，获得每种分块参数对应的最终评估结果，直到达到评估次数；

S8：比较每种分块参数对应的最终评估结果的大小，当最终评估结果的数值最大时，对应的分块参数为最优分块参数。

2.根据权利要求1所述的产品外观缺陷检测的最优分块方法，其特征在于，所述步骤S4中，将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，并计算每种分类属性的数量的具体方位为：外观缺陷真实类别为存在缺陷或不存在缺陷；

将块级检测结果与外观缺陷真实类别进行对比，获得块级检测结果的分类属性：当外观图片的块级检测结果为存在缺陷，外观缺陷真实类别为存在缺陷，则该块级检测结果的分类属性为块级真正例，数量记为BTP；当外观图片的块级检测结果为存在缺陷，外观缺陷真实类别为不存在缺陷，则该块级检测结果的分类属性为块级假正例，数量记为BFP；当外观图片的块级检测结果为不存在缺陷，外观缺陷真实类别为存在缺陷，则该块级检测结果的分类属性为块级假负例，数量记为BFN；当外观图片的块级检测结果为不存在缺陷，外观缺陷真实类别为不存在缺陷，则该块级检测结果的分类属性为块级真负例，数量记为BTN；

利用相同的方法将像素级检测结果与外观缺陷真实类别进行对比，获得像素级检测结果的分类属性，包括：像素级真正例、像素级假负例、像素级假正例和像素级真负例；数量分别记为PTP、PTN、PFP和PTN。

3.根据权利要求2所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率的具体方法为：式中，BFDR表示块级误检率，BFP表示块级假正例数量，BTN表示块级真负例数量。

4.根据权利要求3所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算像素级误检率的具体方法为：式中，PFDR表示像素级误检率，PFP表示像素级假正例数量，PTN表示像素级真负例数量。

5.根据权利要求4所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算误检率参数的具体方法为：式中，α表示误检率参数。

6.根据权利要求5所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算误检平衡参数的具体方法为：式中，β表示误检平衡参数，c表示第一收缩因子，b表示第二收缩因子。

7.根据权利要求6所述的产品外观缺陷检测的最优分块方法，其特征在于，所述基于块级检测结果和像素级检测结果的分类属性，计算误检放大参数的具体方法为：式中，γ表示误检放大参数。

8.根据权利要求7所述的产品外观缺陷检测的最优分块方法，其特征在于，所述步骤S6中，根据块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数设置评估函数，计算最终评估结果的具体方法为：所述评估函数为：

式中，L表示最终评估结果，t表示基于分块的缺陷检测算法的检测时间，λ表示第一缩小因子，θ表示第二缩小因子。

9.一种产品外观缺陷检测的最优检测方法，基于权利要求1‑8任意一项所述的产品外观缺陷检测的最优分块方法，其特征在于，包括：S1：获取产品的外观图片和外观缺陷真实类别；

S2：将外观图片输入现有的基于分块的缺陷检测算法，并设置分块参数和评估次数；

S3：根据分块参数，进行块级缺陷检测，获得块级检测结果和像素级检测结果；

S4：将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，并计算每种分类属性的数量；

S5：基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数；

S6：根据块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数设置评估函数，计算最终评估结果；

S7：更新分块参数，重复步骤S3‑S6，进行下一轮评估过程，获得每种分块参数对应的最终评估结果，直到达到评估次数；

S8：比较每种分块参数对应的最终评估结果的大小，当最终评估结果的数值最大时，对应的分块参数为最优分块参数；

S9：将最优分块参数返回所述现有的基于分块的缺陷检测算法，利用最优分块参数对待检测的产品外观图片进行分块，获得最优缺陷检测结果。

10.一种产品外观缺陷检测的最优检测系统，基于权利要求9所述的最优检测方法，其特征在于，包括：图片获取模块，用于获取产品的外观图片和外观缺陷真实类别；

检测算法模块，用于将外观图片输入现有的基于分块的缺陷检测算法，并设置分块参数和评估次数；

检测执行模块，根据分块参数，进行块级缺陷检测，获得块级检测结果和像素级检测结果；

结果分类模块，用于将块级检测结果和像素级检测结果分别与外观缺陷真实类别进行对比，确定块级检测结果和像素级检测结果的分类属性，，并计算每种分类属性的数量；

评估参数计算模块，基于块级检测结果和像素级检测结果的分类属性的数量，计算块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数；

评估函数模块，根据块级误检率、像素级误检率、误检率参数、误检平衡参数和误检放大参数设置评估函数，计算最终评估结果；

分块参数更新模块，用于更新分块参数，发送至检测执行模块，进行下一轮评估，直到达到评估次数；

比较模块，用于比较每种分块参数对应的最终评估结果的大小，当最终评估结果的数值最大时，对应的分块参数为最优分块参数；

参数传输模块，将最优分块参数返回检测算法模块中的基于分块的缺陷检测算法，检测执行模块利用最优分块参数对待检测的产品外观图片分块，进行缺陷检测获得最优缺陷检测结果。