1.一种基于机器视觉的人造板质量分类方法，其特征在于，该方法包括以下步骤：

获取人造板表面的灰度图像，所述人造板表面包括背景和图案，所述图案包括所述人造板本身图案纹理以及气泡区域的图案；

计算所述灰度图像中所有像素点的灰度值与背景像素的灰度值之间的差值，根据所述差值是否属于正常范围为每个像素点分配关注程度；所述正常范围为所述图案像素的灰度值与所述背景像素的灰度值之间的差异范围；其中，当所述差值属于正常范围内时，所述关注程度与所述差值呈负相关关系；当所述差值不属于正常范围内时，所述关注程度与所述差值呈正相关关系；其中，根据所述差值获取每个像素点对应的关注程度为：其中，B表示关注程度；i1表示背景像素的灰度值；ΔA表示灰度图像内灰度值的最大差值；m表示差值阈值， 大于该差值阈值的差值范围为正常范围；e表示自然常数；

其中，所述背景像素的灰度值获取的步骤，包括：获取所述灰度图像的灰度均值以及所述灰度图像中出现频率最大的第一灰度值；选取灰度值大小在所述灰度均值与所述第一灰度值之间的所有所述灰度值为标准灰度值，根据所有所述标准灰度值计算标准均值和标准方差；根据所述标准均值和所述标准方差构建高斯模型，所述高斯模型对应的最大值为所述背景像素的灰度值；

获取所述灰度图像中每个像素点的对比度；以每个像素点的所述关注程度为权值，与相应像素点的对比度进行相乘得到相应像素点的异常程度，根据所述异常程度获取疑似异常区域；

获取所述疑似异常区域内每个像素点的灰度梯度特征向量；根据所述灰度梯度特征向量获取所述疑似异常区域的缺陷概率，当所述缺陷概率大于预设阈值时，所述缺陷概率对应的所述疑似异常区域为缺陷区域；

根据所有所述缺陷区域的面积在所述灰度图像面积的占比获取影响程度，根据所述影响程度对所述人造板进行质量分类。

2.根据权利要求1所述的方法，其特征在于，所述获取所述灰度图像中每个像素点的对比度的步骤，包括：以所述灰度图像中任意像素点为中心像素点，根据所述中心像素点及其邻域像素点构成一个窗口，获取所述窗口的灰度共生矩阵，根据所述灰度共生矩阵获取所述窗口的对比度，所述对比度为所述中心像素点的像素值。

3.根据权利要求1所述的方法，其特征在于，所述根据所述异常程度获取疑似异常区域的步骤，包括：设定异常程度阈值，当所述像素点对应的异常程度大于所述异常程度阈值时，所述像素点为疑似异常点，根据所有所述疑似异常点获取所述疑似异常区域。

4.根据权利要求1所述的方法，其特征在于，所述获取所述疑似异常区域内每个像素点的灰度梯度特征向量的步骤，包括：以所述疑似异常区域中任意像素点为中心点构建滑窗，根据所述滑窗内像素点灰度值的梯度变化得到灰度梯度变化方向，所述灰度梯度变化方向的单位向量为所述灰度梯度变化向量。

5.根据权利要求1所述的方法，其特征在于，所述根据所述灰度梯度特征向量获取所述疑似异常区域的缺陷概率的步骤，包括：获取所述疑似异常区域中每个像素点的单位向量，所述单位向量是以所述疑似异常区域的中心点为起点，与所述疑似异常区域中所有像素点连线方向的单位向量；

获取每个像素点对应的所述灰度梯度特征向量与所述单位向量之间的余弦相似度，所述疑似异常区域内所有像素点的平均余弦相似度为缺陷概率。

6.根据权利要求1所述的方法，其特征在于，所述缺陷概率对应的所述疑似异常区域为缺陷区域的步骤之后，还包括：获取所述灰度图像中所有所述缺陷区域，获取所有所述缺陷区域之间的距离，当所述距离小于预设距离时，获取所述距离对应的两个缺陷区域的主成分方向；

计算两个缺陷区域对应的主成分方向之间的余弦相似度，根据两个缺陷区域之间的距离以及所述余弦相似度获取延伸概率，当所述延伸概率大于预设阈值时，对应的两个缺陷区域为一个缺陷大区域。

7.一种基于机器视觉的人造板质量分类系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑6任意一项所述方法的步骤。