1.一种基于机器视觉的有色金属压延质量检测方法，其特征在于，包括以下步骤：获取有色金属压延成品的表面图像，得到表面图像的灰度图像，并对灰度图像进行阈值分割，获取缺陷纹理二值图像；

根据缺陷纹理二值图像中的各个缺陷点，确定各个缺陷点的灰度延伸方向搜寻树，得到灰度延伸方向搜寻树的各个分支路径的编码序列；

根据灰度延伸方向搜寻树的各个分支路径的编码序列，计算各个分支路径的编码序列中各个元素的置信度序列，得到各个缺陷点的方向延伸共生矩阵；

根据各个缺陷点的方向延伸共生矩阵，计算各个缺陷点属于划伤、揉伤和振痕的概率值；

根据各个缺陷点属于划伤、揉伤和振痕的概率值，计算缺陷纹理二值图像中的划伤、揉伤和振痕的成分占比，进而得到有色金属压延成品的缺陷成分。

2.根据权利要求1所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，确定各个缺陷点的灰度延伸方向搜寻树的步骤包括：根据缺陷纹理二值图像中的各个缺陷点，确定各个缺陷点中的延伸路径起始点，判断延伸起始点周围八邻域的像素点是否为缺陷点；

若延伸路径起始点周围八邻域的像素点为缺陷点，则将该缺陷点作为路径节点，并确定路径节点的八邻域的目标像素点，对路径节点周围八邻域的目标像素点继续判断，若路径节点周围八邻域的目标像素点为缺陷点，则将该缺陷点作为路径节点，并重复上述步骤，直至路径节点周围八邻域的目标像素点均不为缺陷点，从而得到延伸路径起始点的多种路径；

根据延伸路径起始点的多种路径，确定各个缺陷点的灰度延伸方向搜寻树。

3.根据权利要求2所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，得到灰度延伸方向搜寻树的各个分支路径的编码序列的步骤包括：根据各个缺陷点的灰度延伸方向搜寻树，获取各个缺陷点的灰度延伸方向搜寻树的各个分支路径；

对灰度延伸方向搜寻树的各个分支路径进行编码，并对灰度延伸方向搜寻树的各个分支路径编码进行合并，从而得到灰度延伸方向搜寻树的各个分支路径的编码序列。

4.根据权利要求1所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，各个分支路径的编码序列中各个元素的置信度序列的计算公式为：其中， 为各个分支路径的编码序列中第 个元素的置信度， 为各个分支路径的编码序列中所有元素系数的总和， 为各个分支路径的编码序列对应的前 个元素的系数总和， 。

5.根据权利要求1所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，得到各个缺陷点的方向延伸共生矩阵的步骤包括：根据灰度延伸方向搜寻树的各个分支路径的编码序列中各个元素的置信度序列，将各个分支路径的编码序列中各个元素的置信度分级，得到各个分支路径的编码序列对应元素的置信度的各个级别；

根据灰度延伸方向搜寻树的各个分支路径的编码序列，获取灰度延伸方向搜寻树的各个分支路径的元素；

根据灰度延伸方向搜寻树的各个分支路径的编码序列对应元素的置信度的各个级别和各个分支路径的元素，得到各个缺陷点的方向延伸共生矩阵。

6.根据权利要求5所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，各个缺陷点属于划伤、揉伤和振痕的概率值的计算公式为：其中， 为 处的缺陷点属于划伤的概率值， 为 处的缺陷点属于揉伤

的概率值， 为 处的缺陷点属于振痕的概率值，为各个缺陷点的置信度级别，为 处的缺陷点的方向延伸共生矩阵中的 处的元素值， 为处的缺陷点的方向延伸共生矩阵中的 处的元素值， 为 处的缺

陷点的方向延伸共生矩阵中的 处的元素值，为分支路径上的第一元素，为分支路径上的第二元素，为分支路径上的第三元素，为分支路径上的第四元素。

7.根据权利要求1所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，缺陷纹理二值图像中的划伤、揉伤和振痕的成分占比的计算公式为：其中， 为缺陷纹理二值图像中的划伤的成分占比， 为缺陷纹理二值图像中的揉伤的成分占比， 为缺陷纹理二值图像中的振痕的成分占比， 为缺陷纹理二值图像中的缺陷点的总个数， 为缺陷纹理二值图像中属于划伤的所有缺陷点的概率值，为缺陷纹理二值图像中属于揉伤的所有缺陷点的概率值， 为缺陷纹理二值图像中属于振痕的所有缺陷点的概率值。

8.根据权利要求1所述的基于机器视觉的有色金属压延质量检测方法，其特征在于，得到有色金属压延成品的缺陷成分的步骤包括：根据缺陷纹理二值图像中的划伤、揉伤和振痕的成分占比，若缺陷纹理二值图像中的划伤成分占比大于或等于揉伤和振痕的成分占比的和，则有色金属压延成品的缺陷成分为划伤；

若缺陷纹理二值图像中的揉伤成分占比大于或等于划伤和振痕的成分占比的和，则有色金属压延成品的缺陷成分为揉伤；

若缺陷纹理二值图像中的振痕成分占比大于或等于划伤和揉伤的成分占比的和，则有色金属压延成品的缺陷成分为振痕；

若缺陷纹理二值图像中的划伤、揉伤和振痕其中之一的成分占比均小于剩余两个成分占比的和，则有色金属压延成品的缺陷成分为划伤、揉伤和振痕。

9.一种基于机器视觉的有色金属压延质量检测系统，其特征在于，包括处理器和存储器，所述处理器用于处理存储在所述存储器中的指令以实现如权利要求1‑8中任一项所述的一种基于机器视觉的有色金属压延质量检测方法。