1.一种基于计算机视觉的铸件表面缺陷检测方法，其特征在于，该方法包括以下步骤：获取铸件表面灰度图像，对铸件表面灰度图像进行分割获得多个连通域记为疑似缺陷区域；

在疑似缺陷区域的边缘上按照固定间隔获取设定数量的边缘像素点作为起始点，获取起始点的邻域内灰度值小于起始点，且灰度值最小的像素点作为发展点，直到满足停止条件，获取所有发展点和起始点构成起始点的特征链；根据各特征链上像素点的数量以及像素坐标得到第一概率指标；

获取各起始点到疑似缺陷区域的中心区域的距离，同时，获取各起始点的特征链上像素点的数量，根据所述距离与数量确定疑似缺陷区域的第二概率指标；

将疑似缺陷区域的起始点分为两个类别，分别根据两个类别内起始点的特征链上像素点的灰度值计算第三概率指标；根据所述第一、第二和第三概率指标得到全局概率指标；根据全局概率指标判断铸件表面的缺陷损伤程度；

在对铸件表面图像进行分割获得多个连通域记为疑似缺陷区域之后，所述方法还包括：获取各连通域的面积以及连通域的最小外接圆的面积，根据连通域的面积与最小外接圆的面积的比值得到圆形度；利用圆形度阈值与圆形度判断疑似缺陷区域属于圆形缺陷或者线形缺陷；

若疑似缺陷区域为圆形缺陷，则获取疑似缺陷区域内设定大小的圆形区域记为中心区域；

若疑似缺陷区域为线形缺陷，则对该疑似缺陷区域进行形态学细化操作获得中心区域；

所述停止条件具体为：在起始点的邻域内没有像素点的灰度值小于起始点的灰度值，或者起始点的邻域内获得的发展点位于该疑似缺陷区域的中心区域；

所述第一概率指标的获取方法具体为：

获取起始点的特征链上像素点的数量以及像素点的像素坐标，根据所述像素点的像素坐标进行直线拟合，统计该特征链上的像素点在拟合获得的直线上的数量，根据该数量与特征链上像素点的数量的比值获得特征链的概率特征值，获取所有起始点的特征链的概率特征值的均值得到疑似缺陷区域的第一概率指标；

所述第二概率指标的获取方法具体为：

计算起始点到疑似缺陷区域的中心区域的距离的方差，计算起始点的特征链上像素点的数量的方差，根据两个方差确定疑似缺陷区域的第二概率指标，用公式表示为：其中， 表示疑似缺陷区域的第二概率指标， 表示起始点的特征链上像素点的数量的方差， 表示起始点到疑似缺陷区域的中心区域的距离的方差；

所述第三概率指标的获取方法具体为：

将起始点的特征链上从起始点开始按照获取的顺序对像素点进行标记序号，将同一类别内所有起始点的特征链上相同序号的像素点的灰度值进行相加取均值，同一类别内所有均值分别构成第一灰度集合和第二灰度集合；根据第一灰度集合和第二灰度集合中相同序号的像素点对应的灰度值均值之间的差异确定疑似缺陷区域的第三概率指标，用公式表示为：其中， 表示第三概率指标， 和 分别表示第一灰度集合和第二灰度集合对应的类别中所有起始点的特征链上第i个像素点的灰度值均值，x表示第一灰度集合中元素的数量，y表示第二灰度集合中元素的数量。

2.根据权利要求1所述的一种基于计算机视觉的铸件表面缺陷检测方法，其特征在于，所述根据全局概率指标判断铸件表面的缺陷损伤程度具体为：设置缺陷阈值，当疑似缺陷区域的全局概率指标大于或等于缺陷阈值时，则该疑似缺陷区域为真正的缺陷区域，进而对铸件表面灰度图像中所有疑似缺陷区域进行判断；根据所有真正的缺陷区域对应的连通域面积之和与铸件表面的面积的比值，得到铸件的缺陷损伤程度，所述缺陷损伤程度的取值大于损伤阈值时，则该铸件为不合格铸件。

3.根据权利要求1所述的一种基于计算机视觉的铸件表面缺陷检测方法，其特征在于，所述圆形度阈值设置为0.7。

4.根据权利要求2所述的一种基于计算机视觉的铸件表面缺陷检测方法，其特征在于，所述损伤阈值设置为0.01。

5.根据权利要求2所述的一种基于计算机视觉的铸件表面缺陷检测方法，其特征在于，所述获取铸件表面灰度图像包括：获取相机拍摄到的表面图像，去除表面图像中的背景并进行去噪，再执行灰度化，获得表面灰度图像。