1.一种应用于产品质量评估模型的数据处理方法，其特征在于，所述方法包括：

获取产品质量学习数据，所述产品质量学习数据包括第一参考产品采集图像序列和第二参考产品采集图像序列，其中，所述第一参考产品采集图像序列中的各第一参考产品采集图像携带标注产品缺陷信息，所述标注产品缺陷信息表征了所述第一参考产品采集图像的先验产品缺陷分布，所述第一参考产品采集图像序列和所述第二参考产品采集图像序列为不同用途的参考产品采集图像序列；

确定所述第二参考产品采集图像序列中的各第二参考产品采集图像对应的初始产品缺陷信息；

将所述产品质量学习数据加载到初始产品质量评估模型中，得到各参考产品采集图像的估计产品缺陷信息，基于各所述第一参考产品采集图像的先验产品缺陷分布和估计产品缺陷信息，确定估计误差值；

基于同一用途同产品缺陷的参考产品采集图像、以及不同用途同产品缺陷的参考产品采集图像，确定第一训练误差值，基于同一用途不同产品缺陷的参考产品采集图像、以及不同用途不同产品缺陷的参考产品采集图像，确定第二训练误差值；

基于所述估计误差值、所述第一训练误差值以及所述第二训练误差值，确定全局误差值；

基于所述全局误差值对所述初始产品质量评估模型进行模型参数更新，直至所述全局误差值收敛时，将收敛时对应的初始产品质量评估模型输出为跨产品用途的产品质量评估模型；

其中，针对每轮模型参数更新，如果所述全局误差值不收敛，则基于各所述第二参考产品采集图像、以及各所述第二参考产品采集图像对应的估计产品缺陷信息，调整各所述第二参考产品采集图像对应的产品缺陷信息得到新的产品缺陷信息，并用于下一轮模型参数更新；

所述基于同一用途同产品缺陷的各参考产品采集图像、以及不同用途同产品缺陷的各参考产品采集图像，确定第一训练误差值，包括：基于各所述第一参考产品采集图像及其对应的标注产品缺陷信息，确定每个产品缺陷的各第一参考产品采集图像之间的第一聚类内部距离；

基于各所述第二参考产品采集图像及其对应的产品缺陷信息，确定每个产品缺陷的各第二参考产品采集图像之间的第二聚类内部距离；

基于各所述第一参考产品采集图像及其对应的标注产品缺陷信息、以及所述各第二参考产品采集图像及其对应的产品缺陷信息，确定每个产品缺陷的各第一参考产品采集图像与各第二参考产品采集图像之间的第三聚类内部距离；

基于所述第一聚类内部距离、所述第二聚类内部距离以及所述第三聚类内部距离，确定第一训练误差值；

所述基于同一用途不同产品缺陷的各参考产品采集图像、以及不同用途不同产品缺陷的参考产品采集图像，确定第二训练误差值，包括：基于各所述第一参考产品采集图像及其对应的标注产品缺陷信息，确定不同产品缺陷的各第一参考产品采集图像之间的第一聚类外部距离；

基于各所述第二参考产品采集图像及其对应的产品缺陷信息，确定不同产品缺陷的各第二参考产品采集图像之间的第二聚类外部距离； 基于各所述第一参考产品采集图像及其对应的标注产品缺陷信息，以及各所述第二参考产品采集图像及其对应的产品缺陷信息，确定不同产品缺陷的各第一参考产品采集图像与各第二参考产品采集图像之间的第三聚类外部距离； 基于所述第一聚类外部距离、所述第二聚类外部距离以及所述第三聚类外部距离，确定第二训练误差值。

2.基于权利要求1所述的方法，其特征在于，所述确定所述第二参考产品采集图像序列中的各第二参考产品采集图像对应的初始产品缺陷信息，包括：基于各所述第一参考产品采集图像及其对应的标注产品缺陷信息，确定每个产品缺陷所对应的第一图像特征簇心；

对于任意一个第二参考产品采集图像，确定所述任意一个第二参考产品采集图像与各所述第一图像特征簇心的特征偏离值；

基于与所述任意一个第二参考产品采集图像的特征偏离值最小的第一图像特征簇心对应的先验产品缺陷分布，确定所述任意一个第二参考产品采集图像的初始产品缺陷信息。

3.基于权利要求1所述的方法，其特征在于，所述基于各所述第二参考产品采集图像、以及各所述第二参考产品采集图像对应的估计产品缺陷信息，调整各所述第二参考产品采集图像对应的产品缺陷信息得到新的产品缺陷信息，包括：基于各所述第二参考产品采集图像及其对应的产品缺陷信息，确定每个产品缺陷所对应的第二图像特征簇心；

针对任意一个第二参考产品采集图像，确定所述任意一个第二参考产品采集图像与各所述第二图像特征簇心的特征偏离值；

基于与所述任意一个第二参考产品采集图像最近的第二图像特征簇心对应的先验产品缺陷分布，调整所述任意一个第二参考产品采集图像对应的产品缺陷信息。

4.基于权利要求3所述的方法，其特征在于，在每次更新各所述第二参考产品采集图像对应的产品缺陷信息得到新的产品缺陷信息之后，所述方法还包括：确定各所述第二参考产品采集图像对应的产品缺陷信息的调整数量； 如果所述调整数量等于设定数量，则将当次调整后的产品缺陷信息作为各所述第二参考产品采集图像最终的产品缺陷信息。

5.基于权利要求1所述的方法，其特征在于，所述基于所述估计误差值、所述第一训练误差值以及所述第二训练误差值，确定全局误差值，包括：获取所述估计误差值对应的第一重要性系数，以及聚类距离误差值对应的第二重要性系数，其中，所述聚类距离误差值包括所述第一训练误差值和第二训练误差值；

基于所述估计误差值及其对应的第一重要性系数，以及所述聚类距离误差值及其对应的第二重要性系数，确定全局误差值。

6.基于权利要求1所述的方法，其特征在于，所述方法还包括：

获取目标产品采集图像，所述目标产品采集图像为属于第一产品用途的产品采集图像，或者为属于第二产品用途的产品采集图像；

将所述目标产品采集图像加载到跨产品用途的产品质量评估模型中，基于所述跨产品用途的产品质量评估模型的输出确定所述目标产品采集图像的产品质量评估结果。

7.一种应用于产品质量评估模型的数据处理系统，其特征在于，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信； 所述存储器，用于存放计算机程序； 所述处理器，用于执行所述计算机程序时，实现权利要求1‑6任意一个所述的应用于产品质量评估模型的数据处理方法步骤。

8.一种可读存储介质，其特征在于，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行权利要求1‑6任意一个所述的应用于产品质量评估模型的数据处理方法步骤。