1.一种基于人工智能的印刷品质量检测方法，其特征在于，所述方法包括：采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置；

如果生产设备的设备参数在波动范围内，将此时正在印刷的位置确定为正常位置，如果生产设备的设备参数在波动范围外，将此时正在印刷的位置确定为缺陷位置；

利用预设的位置划分规则，对所述缺陷位置进行标记；

向所述印刷内容中叠加检测规则，其中检测规则包括抽检正常位置和必检缺陷位置，搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络；

根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征，利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端；

所述采集印刷品生产过程中的设备参数，建立设备参数与印刷内容的对应关系，配置所述设备参数的波动范围，根据所述波动范围将所述印刷内容划分为正常位置和缺陷位置的步骤包括：确定印刷品生产的节点，采集所述节点的设备参数；

所述向所述印刷内容中叠加检测规则的步骤包括：

将所述检测规则细化为必检规则和抽检规则；

将所述必检规则叠加到缺陷位置中，将所述抽检规则叠加到正常位置中；

所述搭建网络架构，并插入卷积层，配置输出层，生成卷积神经网络的步骤包括：基于所述网络架构，确定任务目标，并将所述任务目标导入到输出层中；

利用组建完成的数据集训练所述卷积神经网络。

2.根据权利要求1所述的基于人工智能的印刷品质量检测方法，其特征在于，所述根据所述检测规则，采集印刷品的图像数据，并将所述图像数据输入到所述卷积神经网络中，输出得到缺陷特征的步骤包括：基于所述检测规则，对印刷品进行图像采集；

创建缺陷特征的集合，并利用预设的增强技术，扩展所述集合；

利用所述集合校正所述卷积神经网络的输出结果。

3.根据权利要求2所述的基于人工智能的印刷品质量检测方法，其特征在于，所述利用正常位置的图像数据生成对照图，比对所述缺陷特征和对照图，生成描述信息，定位出缺陷特征的目标位置，整合所述缺陷特征、描述信息和目标位置，生成检测报告，并将所述检测报告发送到预设终端的步骤包括：对所述正常位置的图像数据进行特征提取，汇总提取到的特征，生成对照图；

比对所述缺陷特征和对照图，并将比对结果填入到构建完成的描述模板中，获取描述信息；

基于所述位置划分规则，回溯所述图像数据，定位出缺陷特征的目标位置。

4.根据权利要求3所述的基于人工智能的印刷品质量检测方法，其特征在于，所述方法还包括：统计所述目标位置，并根据统计结果在印刷内容中添加重点关注区域；

在卷积神经网络中嵌入视觉注意力机制。