1.一种基于多特征融合的板材缺陷检测系统，其特征在于，包括：图像获取及预处理模块，用于获取含有目标板材的图像信息，并将所述图像信息进行预处理；

色度坐标及纹理特征获取模块，用于生成板材的色度库及纹理缺陷模型；

缺陷检测标记模块，用于将所述图像信息中的缺陷进行检测，并标注缺陷位置；

所述的图像获取及预处理模块基于双目相机系统进行实现；

获取相机的内参与外参，根据所述相机的内参与外参获取目标板材的图像信息中各点在坐标变换中的映射关系；

根据所述映射关系通过逆变换获取畸变矫正后的图像信息，通过畸变矫正后的图像信息提取感兴趣区域；

在相机标定中，根据相位的变化将双目相机系统中左右相机统一到同一世界坐标系，通过计算左右相机获取的图像信息在世界坐标系中的相对位置计算两幅图像的相对平移量；

根据所述相对平移量将左右相机采集图像信息中的感兴趣区域进行图像拼接，生成完整目标板材图像；

通过所述色度坐标与纹理特征获取模块生成板材纹理缺陷模型，具体为：获取板材图像数据集中含有表面缺陷的板材图像信息，将表面缺陷部分计算均值、标准值、平滑度、偏度和均方根值；

将所述均值、标准值、平滑度、偏度和均方根值作为训练数据输入随机森林模型进行训练，得到纹理缺陷模型；

所述纹理缺陷模型的训练，具体为：

通过Bootstrap方法在训练数据中形成多个子样本；

从所述均值、标准值、平滑度、偏度和均方根值中随机抽取d个特征元素作为决策树的候选属性，计算候选属性的基尼指数，切分决策树节点，重复分裂决策树，直到生成n棵决策树；

将决策树连接得到分类结果，将所述分类结果进行投票选择，得到表面划痕、表面油污、板材缺损和花色缺失的模型。

2.根据权利要求1所述的一种基于多特征融合的板材缺陷检测系统，其特征在于，通过所述色度坐标与纹理特征获取模块生成色度库，具体为：获取板材图像数据集，将所述板材图像数据集导入所述色度坐标与纹理特征获取模块，计算得到每幅图片中每个像素在LUV色彩空间中的色度坐标；

通过所述每幅图片的色度坐标建立色度库。

3.根据权利要求1所述的一种基于多特征融合的板材缺陷检测系统，其特征在于，通过所述缺陷检测标记模块将缺陷的位置进行标注，具体为：将获取的完整目标板材图像中每个像素点的色度值和色度坐标与纹理特征获取模块中的色度库进行第一次对比检测，计算完整目标板材图像中的纹理参数并与色度坐标与纹理特征的获取模块中的纹理缺陷模型进行第二次对比检测；

若第一次对比检测中存在缺陷，则将缺陷部分进行标记，并进行第二次对比检测，判断第二次对比检测中是否存在缺陷，若存在缺陷，则将缺陷部分进行标记，并结合第一次对比检测中的缺陷标记生成板材检测结果，若不存在缺陷，则根据第一次对比检测中的缺陷标记生成板材检测结果；

若第一次对比检测中不存在缺陷，则进行第二次对比检测，并判断第二次对比检测中是否存在缺陷，若存在缺陷，则根据第二次对比检测中的缺陷标记生成板材检测结果，若不存在缺陷，则生成板材无缺陷的板材检测结果。

4.一种基于多特征融合的板材缺陷检测方法，其特征在于，应用于上述权利要求1‑3任一项所述的一种基于多特征融合的板材缺陷检测系统，包括以下步骤：获取板材图像数据集，根据所述板材图像数据集，计算每幅图片中的色度坐标，建立色度库；

对表面缺陷部分计算均值、标准值、平滑度、偏度和均方根值，并输入到随机森林模型，通过计算分析得到纹理缺陷模型；

通过双目相机系统中左右相机分别采集含有目标板材的图像信息，对采集到的图像信息进行畸变矫正，得到矫正后图像；

对矫正后的图像信息进行感兴趣区域的提取，将左右相机采集图像信息中的感兴趣区域进行图像拼接，得到完整目标板材图；

将完整目标板材图与色度库及纹理缺陷模型进行比对检测，根据对比检测结果将缺陷进行标记并生成板材检测结果；

判断PLC中是否继续传来相机采集信号，若是，则继续对板材的图像信息进行缺陷检测，若否，则输出板材检测结果，结束检测。

5.根据权利要求4所述的一种基于多特征融合的板材缺陷检测方法，其特征在于，所述建立色度库，具体为：获取板材图像数据集，将所述板材图像数据集导入所述色度坐标与纹理特征获取模块，计算得到每幅图片中每个像素在LUV色彩空间中的色度坐标；

通过所述每幅图片的色度坐标建立色度库。

6.根据权利要求4所述的一种基于多特征融合的板材缺陷检测方法，其特征在于，所述纹理缺陷模型，具体为：获取板材图像数据集中含有表面缺陷的板材图像信息，将表面缺陷部分计算均值、标准值、平滑度、偏度和均方根值；

将计算得到的均值、标准值、平滑度、偏度和均方根值作为随机森林的输入；

通过Bootstrap方法在训练数据中形成多个子样本；

从所述均值、标准值、平滑度、偏度和均方根值中随机抽取d个特征元素作为决策树的候选属性，计算候选属性的基尼指数，切分决策树节点，重复分裂决策树，直到生成n棵决策树；

将决策树连接得到分类结果，将所述分类结果进行投票选择，得到表面划痕、表面油污、板材缺损和花色缺失的模型。

7.根据权利要求4所述的一种基于多特征融合的板材缺陷检测方法，其特征在于，所述的将完整目标板材图与色度库及纹理缺陷模型进行比对检测，根据对比检测结果将缺陷进行标记并生成板材检测结果，具体为：将获取的完整目标板材图像中每个像素点的色度值和色度坐标与纹理特征获取模块中的色度库进行第一次对比检测，计算完整目标板材图像中的纹理参数并与色度坐标与纹理特征的获取模块中的纹理缺陷模型进行第二次对比检测；

若第一次对比检测中存在缺陷，则将缺陷部分进行标记，并进行第二次对比检测，判断第二次对比检测中是否存在缺陷，若存在缺陷，则将缺陷部分进行标记，并结合第一次对比检测中的缺陷标记生成板材检测结果，若不存在缺陷，则根据第一次对比检测中的缺陷标记生成板材检测结果；

若第一次对比检测中不存在缺陷，则进行第二次对比检测，并判断第二次对比检测中是否存在缺陷，若存在缺陷，则根据第二次对比检测中的缺陷标记生成板材检测结果，若不存在缺陷，则生成板材无缺陷的板材检测结果。