1.一种服装类可穿戴产品的智能安全检测方法，其特征在于，该方法包括以下步骤：S1、对服装类可穿戴产品展开平铺进行X光扫描，获取X光图像；

S2、对X光图像进行预处理并利用改进的分水岭分割算法进行分割；

S3、利用边缘检测算法划分服饰与电子设备轮廓线并计算面积；

S4、获取电子设备面积与服饰面积之间的比例，获取舒适比；

S5、获取服饰的参数信息，通过大数据分析预测服饰的耐用性；

S6、对电子设备进行电路安全检测；

S7、结合各项检测指标得出综合安全性能评价。

2.根据权利要求1所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述对X光图像进行预处理并利用改进的分水岭分割算法进行分割，包括以下步骤：S21、消除所述X光图像的噪声，进行形态学开闭重建滤波得到初始图像；

S22、对所述初始图像进行形态学梯度运算，得到梯度图像；

S23、对所述初始图像利用最大熵阈值方法进行标记处理，得到标记图像；

S24、利用极小值标定法将所述标记图像对梯度图像进行修正；

S25、对修正后的图像进行分水岭分割，得到分割图像。

3.根据权利要求2所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述消除所述X光图像的噪声，进行形态学开闭重建滤波得到初始图像，包括以下步骤：S211、对所述X光图像进行开重建，表达式为：其中， 表示X光图像的测地学腐蚀作为初始图像做膨胀重建的开重建，f表示(n)初始图像，ε (f)表示测地腐蚀， 表示初始图像对掩膜图像进行的膨胀重建；

S212、对所述X光图像进行闭重建，表达式为：其中， 表示X光图像的测地学膨胀作为初始图像做膨胀重建的闭重建，f表示(n)初始图像，δ (f)表示测地膨胀， 表示初始图像对掩膜图像进行的腐蚀重建。

4.根据权利要求2所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述对重建后的图像利用最大熵阈值方法进行标记处理，得到标记图像，包括以下步骤：S231、采用最大熵阈值方法根据所述初始图像的统计特征选择最佳阈值，且所述最佳阈值的计算公式为：其中，L表示初始图像的灰度级个数，灰度级分为背景类A与目标类B，A表示背景类且取值为A＝(0，1，……，t)，B表示目标类且取值为B＝(t+1，t+2，……，L‑1)，ωA表示A类的灰度均值，ωB表示B类的灰度均值，ω0表示图像的总灰度均值；

S232、去除梯度运算后初始图像中噪声与图像纹理形成的伪极小值，得到标记图像。

5.根据权利要求2所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述服装类可穿戴产品包括服饰与电子设备。

6.根据权利要求5所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述利用边缘检测算法划分服饰与电子设备轮廓线并计算面积，包括以下步骤：S31、去除膨胀与腐蚀处理后分割图像中的不连续点状干扰；

S32、确定分割图像中服饰边界的像素点坐标，获得对应的服饰边界坐标点的轮廓线；

S33、计算服饰的像素面积；

S34、对分割图像进行数字二值化处理，并对所述数字二值化图像进行拓扑分析；

S35、确定电子设备边界的像素点坐标，并获得对应的电子设备边界坐标点的轮廓线；

S36、计算电子设备的像素面积。

7.根据权利要求6所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述计算服饰的像素面积与所述计算电子设备的像素面积均采用格林公式来计算中心点围成的像素面积。

8.根据权利要求1所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述获取服饰的参数，通过大数据分析预测服饰的耐用性，包括以下步骤：S51、获取服饰的参数信息，包括材质与编织工艺；

S52、向大数据平台输入服饰的参数信息；

S53、大数据平台将所述参数信息与数据库中已知服饰参数进行对比，查找出N组最接近的使用寿命；

S54、将N组最接近参数取平均值计算出服饰的耐用性指标。

9.根据权利要求1所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述对电子设备进行电路安全检测，包括以下步骤：S61、对所述电子设备运行温度进行检测；

S62、对所述电子设备运行功率进行检测；

S63、利用变压器安全检测标准对变压器进行安全检测；

S64、利用信息安全检测标准进行信息安全检测；

S65、利用过载保护电路安全检测标准对过载保护电路进行安全检测；

S66、利用电池安全检测标准对电池进行安全检测；

S67、利用辐射安全检测标准进行辐射安全检测。

10.根据权利要求1所述的一种服装类可穿戴产品的智能安全检测方法，其特征在于，所述结合各项检测指标得出综合安全性能评价，包括以下步骤：S71、若电子设备的电路安全检测中不合格的次数大于零，则判定该服装类可穿戴产品为不合格产品；

S71、若电子设备的电路安全检测中不合格的次数等于零，则结合服装类可穿戴产品耐用性与舒适比进行综合评价。