1.一种基于人工智能的彩钢板表面异常检测方法，其特征在于，该方法包括：基于可见光，获取彩钢板表面RGB图像；取彩钢板表面RGB图像中各像素三通道分量中的最大值，得到粗估计照度图像；

对于彩钢板表面RGB图像中的每个通道图像，确定通道图像中用于提取照度信息的最佳像素点，对最佳像素点的通道值进行高斯平滑，根据各最佳像素点的平滑值获取通道对应的通道照度图像；

基于粗估计照度图像对各个通道照度图像进行修正，获取各通道的细估计照度图像；

基于细估计照度图像，在彩钢板表面RGB图像中分离出反射图像；基于反射图像进行彩钢板表面的异常检测；

基于粗估计照度图像对各个通道照度图像进行修正，具体为：粗估计照度图像分别和各个通道照度图像进行融合，得到修正后的各通道照度图像；

确定通道图像中用于提取照度信息的最佳像素点，具体为：对通道图像进行若干次上采样，得到采样图像；

根据像素点与其邻域像素点通道值的差异以及像素点的梯度幅值计算采样图像中各像素点的特征描述值；根据特征描述值确定采样图像中的最佳像素点；

基于采样图像中的最佳像素点确定通道图像中的最佳像素点；

对采样图像中每个像素点的特征描述值进行归一化处理，设置阈值，采样图像中归一化后的特征描述值高于阈值的像素点为最佳像素点；

对最佳像素点的通道值进行高斯平滑，具体为：通道图像中最佳像素点和其邻域像素点构成目标区域，对目标区域进行高斯卷积，卷积结果为最佳像素点的平滑值。

2.如权利要求1所述的方法，其特征在于，根据各最佳像素点的平滑值获取通道对应的通道照度图像，具体为：通道照度图像中各像素点的像素值的计算方法相同，为各最佳像素点平滑值的均值。

3.如权利要求2所述的方法，其特征在于，基于反射图像进行彩钢板表面的异常检测，具体为：获取反射图像的灰度图；

对灰度图进行超像素分割，根据超像素块之间的相似度进行超像素块的合并；

根据合并后各超像素块中像素点的数量确定彩钢板表面的异常区域。

4.如权利要求3所述的方法，其特征在于，超像素块之间相似度的计算方法为：拟合超像素块内像素点的像素值，得到高斯模型；基于高斯模型计算超像素块之间的相似度。