1.基于人工智能的服饰面料检验分析处理系统，其特征在于：包括数据采集单元、预处理单元、检验分析单元和优化调控单元，其中，数据采集单元、预处理单元、检验分析单元和优化调控单元之间信号连接；

数据采集单元用于采集服饰面料的图像数据：通过对服饰面料进行检验操作，并结合图像采集技术获取相应的图像数据；

预处理单元用于提取面料特征信息：通过对服饰面料的图像数据进行初步分析处理，从而提取相应的面料特征信息；

检验分析单元用于构建图像对比模型，通过分析面料特征信息从而综合评估服饰面料效果，其中，面料特征信息包括外观特征参数和物理特征参数，通过分析外观特征参数获取面料的印染效果指数，并通过物理特征参数获取面料的物理性能指数，进而综合获取服饰面料效果指数，从而评估服饰面料效果；

优化调控单元用于自动优化模型：先通过对比人工检验结果和系统检验结果，从而识别判定检验分析异常偏差情况，进而通过对图像对比模型进行校验修正操作，从而实现模型自动优化升级；

采集服饰面料的图像数据的具体过程为：

图像数据包括面料印染关联图像、面料拉伸关联图像与面料打磨关联图像；

对服饰面料进行检验操作包括印染操作、拉伸操作和打磨操作，其中，打磨操作包括平磨和折叠磨；

面料印染关联图像包括面料印染预设的图像Pa1和面料印染实际的图像Pa2；面料拉伸关联图像包括面料拉伸操作前的图像Pb1、面料拉伸操作中的图像Pb2和面料拉伸操作后的图像Pb3；面料打磨关联图像包括面料打磨操作前的图像Pc1、面料平磨后的图像Pc2和面料折叠磨后的图像Pc3；

服饰面料的图像数据的初步分析处理具体过程为：

A1：面料特征信息包括外观特征参数和物理特征参数；

A1‑1：外观特征参数包括印染面料的色度值、亮度值和颜色值，通过对面料印染关联图像进行初步分析，提取外观特征参数；

A1‑101：从图像Pa1和图像Pa2中分别同步提取Na0个特征区域，将图像Pa1的任一个特征区域标记为Ia1、将图像Pa2中与特征区域Ia1同步对应的特征区域标记为Ia2；

A1‑102：同步提取特征区域Ia1和特征区域Ia2的Na1个特征点，将特征区域Ia1的任一特征点标记为Da1，将特征区域Ia2中与特征点Da1同步对应的特征点标记为Da2；

A1‑103：标记特征点Da1的色度值、亮度值和颜色值分别为SDa1、LDa1和YSa1；标记特征点Da2的色度值、亮度值和颜色值分别为SDa2、LDa2和YSa2；

A1‑2：物理特征参数包括面料拉伸的色度值和面料打磨的色度值；

A1‑201：通过对面料拉伸关联图像进行初步分析，提取面料拉伸的色度值；

A1‑201‑1：先从图像Pb1中提取Nb0个特征区域，将图像Pb1的任一个特征区域标记为Ib1，并对特征区域Ib1的边界点的坐标进行标记，再进行面料拉伸操作，按照标记的特征区域边界点坐标从图像Pb2和图像Pb3中分别提取特征区域Ib1对应的特征区域，并分别标记为特征区域Ib2和特征区域Ib3；

A1‑201‑2：再分别提取特征区域Ib1、特征区域Ib2和特征区域Ib3的Nb1个特征点并进行标记，将特征区域Ib1、特征区域Ib2和特征区域Ib3中对应点分别标记为Db1、Db2和Db3；

A1‑201‑3：标记特征点Db1、Db2和Db3的色度值分别为SDb1、SDb2和SDb3；

A1‑202：通过对面料打磨关联图像进行初步分析，提取面料打磨的色度值；

A1‑202‑1：从图像Pc1、图像Pc2和图像Pc3分别同步提取Nc0个特征区域，将图像Pc1的任一个特征区域标记为Ic1，将图像Pc2和图像Pc3中与特征区域Ic1同步对应的特征区域分别标记为Ic2和Ic3；

A1‑202‑2：同步提取特征区域Ic1、Ic2和Ic3的Nc1个特征点，将特征区域Ic1的任一特征点标记为Dc1，将特征区域Ic2和Ic3中与特征点Dc1同步对应的特征点分别标记为Dc2和Dc3；

A1‑202‑3：标记特征点Dc1、Dc2和Dc3的色度值分别为SDc1、SDc2和SDc3。

2.根据权利要求1所述的基于人工智能的服饰面料检验分析处理系统，其特征在于：构建图像对比模型的具体过程为：图像对比模型包括色度分析模型和检验分析模型：

B1：先构建色度分析模型，获取当前操作下色度对比的评估系数PG：B1‑1：输入n0个图像组的色度数据进行对比，设置任一个图像组包括两张图像，标记两张图像分别为图像A和图像B，预设图像A和图像B均有N0个特征区域，标记图像A的任一个特征区域为ia，标记图像B中与特征区域ia同步对应的特征区域为ib；

B1‑2：预设特征区域ia和特征区域ib均有N1个特征点，将特征区域ia和特征区域ib中同步对应的特征点分别标记为da和db，标记特征点da和特征点db的色度值分别为SDda和SDdb；

B1‑3：设置差异系数分析模型：通过两张图像的特征点的色度值，获取当前图像组的色度差异系数CY；

B1‑4：通过两张图像的特征点的色度值，代入差异系数分析模型，获取当前图像组的色度差异系数CY；

B1‑5：进而通过n0个图像组的色度差异系数CY相结合，生成并输出当前操作下色度对比的评估系数PG；

B2：将印染面料的色度值、面料拉伸的色度值和面料打磨的色度值依次代入色度分析模型，分别获取印染色度评估系数、拉伸评估系数和打磨评估系数；

B2‑1：对于印染面料的色度值：通过输入一个图像组，即图像Pa1和图像Pa2，从而输出印染色度评估系数PGyr；

B2‑2：对于面料拉伸的色度值：通过输入两个图像组，即图像Pb1和图像Pb2、图像Pb1和图像Pb3，从而输出拉伸评估系数PGls；

B2‑3：对于面料打磨的色度值：通过输入两个图像组，即图像Pc1和图像Pc2、图像Pc1和图像Pc3，从而输出打磨评估系数PGdm；

B3：再构建检验分析模型，通过分析印染面料的亮度值和颜色值，获取印染光泽评估系数和印染颜色评估系数，并结合印染色度评估系数，从而整合生成面料的印染效果指数。

3.根据权利要求2所述的基于人工智能的服饰面料检验分析处理系统，其特征在于：差异系数分析模型的构建过程为：输入N1组特征点da和特征点db的参数值，获取特征区域的参数均值；

进而通过N0个特征区域的参数均值测算平均值，获取当前图像组的特征区域参数幅度；

进而测算N0个特征区域的参数均值的标准差，获取特征区域参数的波动系数；

最后通过对当前图像组的特征区域参数幅度和波动系数分别赋予相应的权重因子系数，从而获取并输出参数差异系数；

其中，差异系数分析模型中的参数值包括色度值、亮度值和颜色值。

4.根据权利要求3所述的基于人工智能的服饰面料检验分析处理系统，其特征在于：生成面料的印染效果指数的具体过程为：B3‑1：将图像Pa1和图像Pa2的亮度值代入差异系数分析模型，从而生成相应的参数差异系数并将其标记为印染光泽评估系数PGgz；

B3‑2：将图像Pa1和图像Pa2的颜色值代入差异系数分析模型，从而生成相应的参数差异系数并将其标记为印染颜色评估系数PGys；

B3‑3：通过印染光泽评估系数PGgz、印染颜色评估系数PGys和印染色度评估系数PGyr相结合，生成面料的印染效果指数Zyr。

5.根据权利要求4所述的基于人工智能的服饰面料检验分析处理系统，其特征在于：获取服饰面料效果指数并评估服饰面料效果的具体过程为：通过拉伸评估系数PGls和打磨评估系数PGdm相结合，生成面料的物理性能指数Zwl；

通过面料的印染效果指数Zyr和物理性能指数Zwl相结合，综合获取服饰面料效果指数XG；

再设置服饰面料效果指数XG的标准区间，并通过区间对比从而评估服饰面料效果。