1.一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，包括：采集同批次目标图像和目标深度图像；获取所述目标深度图像中每个像素点的深度梯度值；

根据所述深度梯度值计算所述目标深度图像中每个像素点的粗糙度，将所述粗糙度小于预设阈值的目标深度图像对应的目标图像作为基准图像；

根据所述基准图像中每个像素点到光源的距离拟合光照色差方程，根据光照色差方程计算所述基准图像中每个像素点的光照色差值；根据所述光照色差值和基准图像的标准色差值得到基准图像每个像素点的色差增值；

根据所述基准图像中每个像素点的粗糙度值拟合色差曲线，计算所述基准图像中所有像素点的波动程度；获取所有波动程度大于第一阈值的异常像素点；

根据所述波动程度计算所述基准图像中异常像素点的印刷异常概率，将所述印刷异常概率小于第二阈值的像素点作为粗糙像素点；

利用RANSAC算法拟合所述粗糙像素点的粗糙度色差方程，根据所述粗糙度色差方程计算基准图像中每个粗糙像素点的粗糙度色差值；

计算所述粗糙度色差值的表达式为：

其中， 表示所述基准图像第i个粗糙像素点的粗糙度色差值，表示所述基准图像中第i个像素点的粗糙度， 为多项式常量参数，n为多项式的次数；

根据所述基准图像的色差增值和所述粗糙度色差值计算基准图像中像素点的印刷色差值；当所述印刷色差值超出预设范围时，目标存在印刷缺陷。

2.根据权利要求1所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，计算所述基准图像光照色差值的方法为：将像素距光源距离作为自变量，不同距离下的色差作为因变量，利用最小二乘法拟合线性光照色差方程，根据所述光照色差方程计算基准图像中每个像素点的光照色差值，表达式为：其中，表示第i个像素点的光照色差值，表示第i个像素点距光源距离， 表示第i个像素点的线性方程的常量参数。

3.根据权利要求1所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，根据所述光照色差值和所述基准图像的标准色差值得到基准图像每个像素点的色差增值的方法为：通过目标底版图片的颜色值与基准图片的颜色值之差得到所述基准图像的标准色差值；

计算所述色差增值的表达式为：

其中， 表示所述基准图像第i个像素点的标准色差值，表示所述第i个像素点的光照色差值，表示第i个像素点的色差增值。

4.根据权利要求1所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，计算所述目标深度图像的粗糙度的方法为：利用sober算子计算目标深度图像中第i个像素点的深度梯度值 ；

将所述目标深度图像拟合出曲面，获取第i个像素点梯度方向上曲线的极大值点和极小值点，将极大值点与极小值点的深度插值作为第i个像素点的波动幅度 ；

根据所述目标图像的拟合曲面计算第i个像素点所在区域的波动频率 ；

根据所述深度梯度值、所述波动幅度以及所述波动频率计算所述目标深度图像中每个像素点的粗糙度，表达式为：其中，表示目标深度图像中第i个像素点的粗糙度，表示第i个像素点的深度梯度值，表示第i个像素点的波动幅度，表示第i个像素点所在区域的波动频率。

5.根据权利要求1所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，计算所述基准图像中所有像素点的波动程度的方法为：以所述粗糙度为横坐标轴，所述色差增值为纵坐标轴，拟合粗糙度色差曲线，根据每个像素点的增长一致性和渐变性计算每个像素点的波动程度，表达式为：其中，表示第i个像素点的波动程度， 表示第i个像素点的增长一致性值，表示第i个像素点的渐变性值。

6.根据权利要求5所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，根据所述波动程度计算所述基准图像中异常像素点的印刷异常概率，表达式为：其中， 表示第i个异常像素点的印刷异常概率，表示所述波动程度值， 表示所述基准图像中异常像素点的密度。

7.根据权利要求1所述的一种基于人工智能系统的纸盒印刷色差缺陷检测方法，其特征在于，计算目标图像的印刷色差值的方法如下：通过所述基准图像每个像素点的色差增值减去所述粗糙度色差值得到所述基准图像的印刷色差值。