1.一种基于工业互联网的工业设备监控方法，其特征在于，所述方法包括以下步骤：获取操作车间内对各工业设备的监控视频数据，基于目标检测算法从所述监控视频数据中获取目标图像集；其中，操作车间内的各工业设备分别采用若干摄像头对设备外部的目标零部件进行监控，且各摄像头分别设置有一个主监控角度；

对所述目标图像集进行初步识别分析，获取所述目标图像集中的破损信息，基于所述破损信息判断所述目标零部件是否异常，其中，所述破损信息包括破损类型、破损等级和破损在目标零部件上的位置信息；

当所述目标零部件异常时，根据所述破损信息调节预设距离范围内的摄像头的方向，使得预设距离范围内的摄像头的对准目标零部件的破损位置；

获取预设距离范围内的摄像头的综合监控视频，并对其进行二次识别分析获取破损信息，根据二次识别分析结果和初步识别分析获取的破损信息，确定目标零部件的最终破损等级；

根据所述最终破损等级生成报警提示指令；

所述当所述目标零部件异常时，根据所述破损信息调节预设距离范围内的摄像头的方向，使得预设距离范围内的摄像头对准目标零部件的破损位置的步骤包括：当所述目标零部件异常时，获取对应摄像头的位置信息和目标零部件的位置信息；

根据目标零部件的位置信息和破损在目标零部件上的位置信息生成破损的绝对位置信息；

获取与所述破损的绝对位置信息的距离处于预设范围内摄像头的位置信息；

根据所述破损的绝对位置信息和预设距离范围内摄像头的位置信息，生成摄像头调节角度信息；

根据所述摄像头调节角度信息调节预设距离范围内各摄像头的监控角度，使得预设距离范围内的摄像头对准目标零部件的破损位置；

使得预设距离范围内的摄像头的对准目标零部件的破损位置，具体指使得预设距离范围内的摄像头的监控图像的中心点对准目标零部件的破损轮廓的中心点；

所述对所述目标图像集进行初步识别分析，获取所述目标图像集中的破损信息，基于所述破损信息判断所述目标零部件是否异常的步骤包括：采用预设的设备外部损坏识别模型提取所述目标图像集中的破损信息，其中，所述破损信息包括破损类型、破损等级和破损在目标零部件上的位置信息；

获取预设零部件数据条件，并将其与所述破损信息进行比对；

当所述破损信息中的破损等级符合预设零部件数据条件时，判定所述目标零部件为正常；

当所述破损信息中的破损等级不符合预设零部件数据条件时，判定所述目标零部件为异常；

其中的设备外部损坏识别模型是基于神经网络模型的经过大量样本数据训练得到的，当模型的输出结果达到预设的准确率时，得到训练好的设备外部损坏识别模型，其中，所述样本数据包括设备损坏特征图片和相应的文本标签，所述文本标签正常和异常，异常包括破损类型、破损等级和破损位置。

2.根据权利要求1所述的一种基于工业互联网的工业设备监控方法，其特征在于，所述获取操作车间内对各工业设备的监控视频数据，基于目标检测算法从所述监控视频数据中获取目标图像集的步骤包括：获取操作车间内对各工业设备的监控视频数据；

根据预设时间步长在所述监控视频数据中提取采样图片，得到采样图片集；

采用目标检测算法对所述采样图片集进行识别分析，获取目标零部件在采样图片中的位置信息，并从采样图片中截取目标零部件所在的目标图像，得到目标图像集。

3.根据权利要求1所述的一种基于工业互联网的工业设备监控方法，其特征在于，所述获取预设距离范围内摄像头的综合监控视频，并对其进行二次识别分析获取破损信息，根据二次识别分析结果和初步识别分析获取的破损信息，确定目标零部件的最终破损等级的步骤包括：获取预设距离范围内的摄像头的综合监控视频，对所述综合监控视频进行二次识别分析，获取目标零部件的破损信息；

将二次识别分析获取的目标零部件的破损信息与初步识别分析获取的破损信息中相同破损类型的破损等级进行由大到小排序，得到破损等级排序表；

判定所述破损等级排序表中的最大值作为最终破损等级。

4.一种基于工业互联网的工业设备监控系统，其特征在于，所述系统包括：目标图像获取模块，用于获取操作车间内对各工业设备的监控视频数据，基于目标检测算法从所述监控视频数据中获取目标图像集；其中，操作车间内的各工业设备分别采用若干摄像头对设备外部的目标零部件进行监控，且各摄像头分别设置有一个主监控角度；

破损初步识别模块，用于对所述目标图像集进行初步识别分析，获取所述目标图像集中的破损信息，基于所述破损信息判断所述目标零部件是否异常，其中，所述破损信息包括破损类型、破损等级和破损在目标零部件上的位置信息；

多角度监控模块，用于当所述目标零部件异常时，根据所述破损信息调节预设距离范围内的摄像头的方向，使得预设距离范围内的摄像头的对准目标零部件的破损位置；

破损二次识别模块，用于获取预设距离范围内的摄像头的综合监控视频，并对其进行二次识别分析获取破损信息，根据二次识别分析结果和初步识别分析获取的破损信息，确定目标零部件的最终破损等级；

报警提示模块，用于根据所述最终破损等级生成报警提示指令；

所述多角度监控模块包括：

位置信息获取单元，用于当所述目标零部件异常时，获取对应摄像头的位置信息和目标零部件的位置信息；

位置信息生成单元，用于根据目标零部件的位置信息和破损在目标零部件上的位置信息生成破损的绝对位置信息；

目标信息获取单元，用于获取与所述破损的绝对位置信息之间的距离处于预设范围内摄像头的位置信息；

调节信息生成单元，用于根据所述破损的绝对位置信息和预设距离范围内摄像头的位置信息，生成摄像头调节角度信息；

监控角度调节单元，用于根据所述摄像头调节角度信息调节预设距离范围内各摄像头的监控角度，使得预设距离范围内的摄像头对准目标零部件的破损位置；

使得预设距离范围内的摄像头的对准目标零部件的破损位置，具体指使得预设距离范围内的摄像头的监控图像的中心点对准目标零部件的破损轮廓的中心点；

所述破损初步识别模块包括：

破损信息获取单元，用于采用预设的设备外部损坏识别模型提取所述目标图像集中的破损信息，其中，所述破损信息包括破损类型、破损等级和破损在目标零部件上的位置信息；

数据比对单元，用于获取预设零部件数据条件，并将其与所述破损信息进行比对；

零件正常判定单元，用于当所述破损信息中的破损等级符合预设零部件数据条件时，判定所述目标零部件为正常；

零件异常判定单元，用于当所述破损信息中的破损等级不符合预设零部件数据条件时，判定所述目标零部件为异常；

其中的设备外部损坏识别模型是基于神经网络模型的经过大量样本数据训练得到的，当模型的输出结果达到预设的准确率时，得到训练好的设备外部损坏识别模型，其中，所述样本数据包括设备损坏特征图片和相应的文本标签，所述文本标签正常和异常，异常包括破损类型、破损等级和破损位置。

5.根据权利要求4所述的一种基于工业互联网的工业设备监控系统，其特征在于，所述破损二次识别模块包括：综合数据识别单元，用于获取预设距离范围内的摄像头的综合监控视频，对所述综合监控视频进行二次识别分析，获取目标零部件的破损信息；

破损信息比对单元，用于将二次识别分析获取的目标零部件的破损信息与初步识别分析获取的破损信息中相同破损类型的破损等级进行由大到小排序，得到破损等级排序表；

最终破损等级判定单元，用于判定所述破损等级排序表中的最大值作为最终破损等级。