1.基于云计算的电商服装销售价值评估系统，其特征在于：包括数据采集模块、采样模块、质量评估模块和输出模块，所述数据采集模块用于获取商铺售卖衬衫的相关信息；所述采样模块用于通过检测器获取目标衬衫的相关图像特征；所述质量评估模块用于对目标衬衫进行特征检测，获取衬衫图案的相关参数信息；所述输出模块用于衬衫设计方案的检测结果输出，所述数据采集模块、所述采样模块、所述质量评估模块和所述输出模块相互通讯连接。

2.根据权利要求1所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述数据采集模块包括衬衫信息采集模块和检测器信息采集模块，所述衬衫信息采集模块用于获取生产衬衫的相关信息；所述检测器信息采集模块用于获取对衬衫特征进行检测的检测器信息。

3.根据权利要求2所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述质量评估模块包括花纹重合度检测模块和特征重叠检测模块，所述花纹重合度检测模块用于检测售卖衬衫上设置花纹的重合度大小；所述特征重叠检测模块用于检测判断目标衬衫内是否出现了特征重叠。

4.根据权利要求3所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述花纹重合度检测模块进一步包括排布分析子模块和线条检测子模块，所述排布分析子模块用于分析售卖衬衫上花纹的整体排布情况；所述线条检测子模块用于通过售卖衬衫上花纹线条的斜率和凹凸程度检测衬衫花纹排布所呈现的特征信息。

5.根据权利要求4所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述销售价值评估系统的运行方法主要包括以下步骤：步骤S1：在接入销售价值评估系统的衬衫购置售卖检测软件内提取服装生产厂家线上授权的服装信息，并通过数据分析处理提取服装大小信息中的最大值和最小值信息后，获取在需要检测的目标衬衫中，衬衫左侧袖口到右侧袖口的距离范围为[a1，a2]，衬衫领口到衬衫最下方纽扣的距离范围为[b1，b2]；

步骤S2：将生产的服装放置在检测仪器上，对摄像头拍摄的衬衫样式画面进行分析；

步骤S3：在检测仪器内获取衬衫上花纹的纹路线条，计算当前生产服装上花纹的重合率，判断顾当前选取的采样衬衫花纹线条是否出现了特征重叠；

步骤S4：将不同的采样衬衫依次进行测试，并通过输出模块将服装不同但样式产生特征重叠的服装方案进行输出。

6.根据权利要求5所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述步骤S2进一步包括：步骤S21：设置一个用于对生产的服装上花纹进行检测的检测器，机械臂将检测目标衬衫放置在检测器上，并使用自动熨烫机除去目标衬衫上的皱纹；

步骤S22：在摄像头拍摄的第一画面中，系统建立以画面中心点为坐标原点，过坐标原点作平行于第一画面上侧界限的直线为X轴，旋转90°为Y轴，建立平面直角坐标系，画面中心点的坐标为(0，0)，X轴长度为生产衬衫左侧袖口到右侧袖口的距离a2，Y轴长度为生产衬衫领口到衬衫最下方纽扣的距离b2，坐标系的单位长度为1。

7.根据权利要求6所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述步骤S21中，机械臂放置检测目标衬衫的具体步骤为：步骤S211：系统将检测器上设置于最高处的摄像头朝向调至垂直地面方向，摄像头与下方的载物平台通过机械力臂连接，控制摄像头的朝向位置与检测器底部设置的载物平台中心点重合，并将摄像头拍摄的画面设置为第一画面；

步骤S212：机械臂将检测目标衬衫依据所述步骤S2中平面直角坐标系下的正视图摆放位置依次将衬衫的最底部纽扣、最顶部纽扣、左侧袖口和右侧袖口调整至坐标系内的对应位置；

其中，坐标系内的对应位置具体为：所有已识别纽扣中纵坐标最小的纽扣坐标

所有已识别纽扣中纵坐标最大的纽扣坐标 左侧袖口中点的坐标 右侧袖口

中点的坐标 其中纽扣中纵坐标最小的纽扣对应检测目标衬衫的最底部纽扣，识别

纽扣中纵坐标最大的纽扣对应检测目标衬衫的最顶部纽扣，A∈[a1，a2]，B∈[b1，b2]。

8.根据权利要求7所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述步骤S212中，机械臂识别目标衬衫的具体方法为：摄像头将拍摄到的目标衬衫图像发送至采样模块；

采样模块对图像进行预处理；

图像分割得到目标区域，提取衬衫外部特征；

将图像输入通过大数据训练获取的识别模型，提取图像中衬衫的袖口和纽扣特征，定位特征所在位置并上传至设备协作系统。

9.根据权利要求8所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述步骤S3进一步包括：步骤S31：通过设置于摄像头内的红外射线对检测器载物平台上堆叠的衬衫特征红外检测，通过图像特征分析技术识别各个单层衬衫上排布的花纹线条在坐标系内的初始点坐标(X1，Y1)和终点坐标(X2，Y2)，并获取每个线条末端的重合数量；

步骤S32：依据重合数量将坐标点进行降序排列，提取序列中重合数量最多的两个坐标、重合数量最少的两个坐标以及重合数量在序列排序中点的S个坐标，其中在序列排序中点的提取数量S根据总坐标点的数量决定，当n为奇数时，提取数量为1；当n为偶数时，提取数量为2；

步骤S33：依次获取每个提取坐标对应连接的(K+1)条花纹线条斜率，具体斜率

判断提取的五个坐标点对应的花纹线条斜率中，两条花纹线条对应的斜率差

率 其中L1和L2分别为从五个坐标点对应的花纹线条中随机选取的两条线条

对应斜率，当(100％‑μ％)＜η＜(100％+μ％)时，判断当前选取的花纹线条出现了特征重叠，其中μ为斜率差率对应特征重叠的最大误差界限比率值。

10.根据权利要求9所述的基于云计算的电商服装销售价值评估系统，其特征在于：所述步骤S31中，各个单层衬衫上排布的花纹线条的识别方法主要包括以下步骤：步骤S311：将各个衬衫内花纹中，将画面区域截取成k1*k2个长方形小型检测区域，其中k1和k2分别为将画面区域的长和宽划分成的对应个数，使得每个小型检测区域的面积相同，将小型检测区域内颜色不同的n个区域各划分为“第一花纹区域”、“第二花纹区域”……“第n花纹区域”，其中相邻两个区域的划分界限为所述花纹线条，将各个区域划分的花纹线条标记为“第一X1线条”、……“第XGXH线条”，其中X1、XG和XH都为监测区域内两个相邻划分区域对应的数量，X1、XG和XH都为整数，min{X1、XK、XG}≥1，max{X1、XK、XG}≤n；

步骤S312：将各个区域划分的花纹线条中，花纹线条的初始位置在坐标系内的点(X1，Y1)和终点坐标(X2，Y2)进行标记，并依次获取小型检测区域内花纹线条的初始位置坐标点(X11，Y11)，(X12，Y12)……(X1n，Y1n)和终点位置坐标点(X21，Y21)，(X22，Y22)……(X2n，Y2n)，在所有获取的坐标点中获取每个坐标与其他初始位置坐标点和终点位置坐标点重合的数量为K，则在该坐标点处有“(K+1)”个坐标点交汇。