1.一种岩石结构面粗糙度智能提取方法，用于提取待测结构面在设定方向上的粗糙度，其特征在于：S11，采集待测结构面的图像信息，所述图像信息包括灰度图或深度图；

S12，获取所述图像信息在所述设定方向上的多个像素值序列，并将多个像素值序列的方差中的最大值对应的像素值序列作为目标序列；

S13，对所述目标序列进行有序样品聚类，并依据所述目标序列的聚类结果构建所述目标序列的序列特征，所述目标序列的聚类结果包括多个子序列；

对所述目标序列进行有序样品聚类包括：

设置初始聚类数；

依据所述初始聚类数对所述目标序列进行有序样品聚类，得到所述初始聚类数对应的初始聚类结果和初始聚类损失，其中，所述初始聚类结果包括与所述初始聚类数相同的子序列；

将所述初始聚类数加1以更新所述初始聚类数，重复执行有序样品聚类，得到更新后的初始聚类数对应的初始聚类结果和初始聚类损失；

迭代地更新所述初始聚类数，响应于更新后的初始聚类数等于所述目标序列中像素值的数量，绘制初始聚类损失曲线，所述初始聚类损失曲线的横坐标为初始聚类数，纵坐标为初始聚类数对应的初始聚类损失；

获取所述初始聚类损失曲线中拐点对应的初始聚类数作为目标聚类数，将所述目标聚类数对应的初始聚类结果作为所述目标序列的聚类结果；

依据所述目标序列的聚类结果构建所述目标序列的序列特征包括：将所述目标序列的聚类结果中多个子序列按照先后顺序进行排列；

获取各子序列的长度和平均像素值；

分别计算子序列的长度在所述目标序列的长度中的占比以获取分段长度向量；

对于一个子序列，用所述子序列的平均像素值减去下一个相邻子序列的平均像素值，得到所述子序列的像素变化量，将像素变化量按照子序列的先后顺序进行排列以获取像素变化向量；

将所述分段长度向量和所述像素变化向量拼接在一起，得到所述目标序列的序列特征；

S14，依据所述多个子序列的数量对标准轮廓曲线进行有序样品聚类，即将标准轮廓曲线划分为与所述多个子序列的数量相同的多个子序列；并依据所述标准轮廓曲线的聚类结果构建所述标准轮廓曲线的曲线特征，其中，一条标准轮廓曲线对应一个粗糙度系数，构建所述标准轮廓曲线的曲线特征的方法与上述构建所述目标序列的序列特征的方法相同；

S15，计算所述序列特征与所述曲线特征之间的相似度，将相似度最大值对应标准轮廓曲线的粗糙度系数作为所述待测结构面在所述设定方向上的粗糙度。

2.如权利要求1所述的一种岩石结构面粗糙度智能提取方法，其特征在于，所述目标序列的序列特征还包括所述目标序列的聚类损失，其中，所述目标序列的聚类损失为所述目标聚类数对应的初始聚类损失。

3.如权利要求2所述的一种岩石结构面粗糙度智能提取方法，其特征在于，所述相似度满足关系式：；

其中，为序列特征， 为第 条标准轮廓曲线的曲线特征， 为第 条标准轮廓曲线的曲线特征与序列特征的距离， 为第 条标准轮廓曲线的曲线特征与序列特征之间的相似度。

4.如权利要求3所述的一种岩石结构面粗糙度智能提取方法，其特征在于，所述距离为欧氏距离或曼哈顿距离。

5.一种岩石结构面粗糙度智能提取系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求

1至4中任一项所述的一种岩石结构面粗糙度智能提取方法。