1.基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，该方法包括以下步骤：采集工厂内多个监控图像，在发生爆炸时，根据所述监控图像的特征确定爆炸源位置；

基于所述爆炸源位置，将所述工厂划分为多个区域；

采集各所述区域的初始悬浮粉尘浓度、区域粉尘沉积量和最大悬浮粉尘浓度；所述最大悬浮粉尘浓度大于预设浓度阈值的区域为危险区域；根据所述初始悬浮粉尘浓度得到最大爆炸力；计算所述危险区域与所述爆炸源位置的实际距离，由所述实际距离计算发生爆炸后各危险区域的受冲击时间；根据所述实际距离、所述受冲击时间和所述最大爆炸力得到各所述危险区域的爆炸冲击力；

基于所述监控图像，获取所述危险区域内粉尘沉积前后各像素点的色相差；将所述色相差进行归一化得到粉尘沉积程度；根据所述危险区域内所述区域粉尘沉积量和所述粉尘沉积程度得到像素点粉尘沉积量；

由各所述危险区域的所述爆炸冲击力和所述区域粉尘沉积量得到粉尘扬起比例；由所述粉尘扬起比例和所述像素点粉尘沉积量得到所述危险区域的实际粉尘扬起量；根据所述实际粉尘扬起量和区域体积得到实际粉尘扬起浓度；将所述实际粉尘扬起浓度和所述初始悬浮粉尘浓度相加得到爆炸后所述危险区域的实际悬浮粉尘浓度；所述实际悬浮粉尘浓度大于所述预设浓度阈值的危险区域为再次爆炸区域；

根据所述爆炸冲击力、所述危险区域和所述再次爆炸区域规划最优疏散路径；

其中，获取所述危险区域内粉尘沉积前后各像素点的色相差的方法为：获取所述危险区域没有粉尘沉积时地面的各像素点的原始色相和有粉尘沉积时地面的各像素点的沉积色相；将所述原始色相和所述沉积色相的差值的绝对值作为粉尘沉积前后各像素点的色相差；

其中，根据所述危险区域内所述区域粉尘沉积量和所述粉尘沉积程度得到像素点粉尘沉积量的方法为：由危险区域的区域粉尘沉积量a和归一化后的各像素点的粉尘沉积程度γ计算可得各像素点对应的像素点粉尘沉积量α′＝αγ，其中，α′为像素点粉尘沉积量；α为区域粉尘沉积量；γ为归一化后的各像素点的粉尘沉积程度。

2.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述根据所述监控图像的特征确定爆炸源位置，包括：根据所述监控图像中各像素点的像素值的差值确定所述爆炸源位置。

3.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述基于所述爆炸源位置，将所述工厂划分为多个区域，包括：以所述爆炸源位置为中心，由不同的等距线将所述工厂划分为多个区域。

4.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述初始悬浮粉尘浓度的获取方式为：根据粉尘浓度感测器获取未发生爆炸时的所述初始悬浮粉尘浓度。

5.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述各所述区域的最大悬浮粉尘浓度的获取方式，包括：根据所述区域粉尘沉积量和区域体积得到区域悬浮粉尘浓度；

将所述区域悬浮粉尘浓度和所述初始悬浮粉尘浓度相加得到各区域的所述最大悬浮粉尘浓度；

其中，区域悬浮粉尘浓度为区域粉尘沉积量和区域体积的比值。

6.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述根据所述实际距离、所述受冲击时间和所述最大爆炸力得到各所述危险区域的爆炸冲击力，包括：利用埃思里奇方程计算各所述危险区域在各时刻受到的所述爆炸冲击力。

7.根据权利要求1所述的基于人工智能的粉尘爆炸下最优疏散路径选取方法，其特征在于，所述由各所述危险区域的所述爆炸冲击力和所述区域粉尘沉积量得到粉尘扬起比例，包括：在虚拟引擎中模拟不同区域粉尘沉积量受到不同爆炸冲击力时的粉尘扬起比例，构建粉尘扬起模型；

将各所述危险区域的所述爆炸冲击力和所述区域粉尘沉积量输入所述粉尘扬起模型得到粉尘扬起比例。