1.一种线材轧制生产制造智能监测系统，其特征在于，该系统具体包括以下模块：

图像获取模块，用于通过摄像头对轧制轮进行视频监测，并从轧制轮监测视频中提取轧制轮的图像，记为轧制轮信息图像；

轧制轮缺陷检测模块，用于从轧制轮信息图像中获取轧制轮表面的缺陷情况，缺陷情况包括表面缺损程度、表面龟裂程度；

轧制轮质量参数分析模块，用于根据轧制轮表面的缺陷情况分析得到轧制轮的质量参数 ；

轧制轮转动数据检测模块，用于在轧制轮转动过程中对轧制轮在各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值进行监测；

轧制轮转动稳定参数分析模块，用于根据轧制轮转动过程中各预设工作时间点的相互压力值、各预设工作时间点的轧制速度和各异响频率点的异响值分析得到轧制轮转动稳定参数 ；

轧制机运行影响系数分析模块，用于根据轧制轮的转动稳定参数和轧制轮的质量参数分析得到轧制机的运行影响系数 ，并将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，进而得到轧制机的运行影响情况并进行对应处理；

线材数据检测模块，用于对轧制过程中的线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度进行检测；

线材成型影响系数分析模块，用于根据线材的表面缺陷程度、线材的宽度均匀程度、线材的弯曲程度分析得到线材的成型影响系数 ，并将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，进而获得线材加工的质量情况并进行相应处理；

轧制机综合生产指数分析模块，用于根据轧制机的运行影响系数和线材的成型影响系数分析得到轧制机的综合生产指数，并将其和预设的轧制机的综合生产指数合格阈值进行比对，进而得到轧制机的生产制造情况并进行相应处理；

管理数据库，用于储存轧制轮原始模型、轧制轮的标准体积、线材边缘轮廓标准图像。

2.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮缺陷检测模块的具体分析方法包括以下步骤：第一步，读取轧制轮信息图像，从管理数据库中获取轧制轮原始模型，同时利用边缘检测算法从轧制轮信息图像中提取轧制轮的轮廓，根据轧制轮的轮廓生成3D模型，记为轧制轮实际模型，将轧制轮实际模型和轧制轮原始模型进行叠加比对，提取轧制轮的缺损体积并从管理数据库中读取轧制轮的标准体积，将轧制轮的缺损体积和轧制轮的标准体积进行比对，得到轧制轮的表面缺损程度 ；

第二步，从轧制轮信息图像中提取轧制轮表面裂纹的数量和各裂纹的长度，将其分别记为 ，表示第 条裂纹的编号， ，通过公式 得到轧制轮的表面龟裂程度，其中 表示轧制轮表面裂纹的数量的最大允许值， 表示轧制轮表面裂纹长度的最大允许值。

3.根据权利要求2所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮的质量参数的具体分析过程为：分别读取轧制轮的表面缺损程度 和轧制轮的表面龟裂程度 ，通过公式 得到轧制轮的质量参数 ，其中 表示轧制轮的表面缺损程度的权值因子， 表示轧制轮的表面龟裂程度的权值因子，为自然常数。

4.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮转动数据检测模块的具体分析方法包括以下步骤：第一步，在轧制轮转动过程中通过压力传感器对轧制轮在各预设工作时间点的相互压力值进行检测，记为 ， 表示为第 个预设工作时间点的编号， ，同时对轧制轮在各预设工作时间点的轧制速度进行检测，记为 ；

第二步，对轧制轮在转动过程中产生的噪音进行监测，并获取噪音在各频率点的分贝值，将其和预设的最大分贝值进行比对，若噪音在某频率点的分贝值超过预设的最大分贝值，则将该频率点记为异响频率点，统计各异响频率点的噪音的分贝值，记为各异响频率点的异响值 ，表示第 个异响频率点的编号， 。

5.根据权利要求4所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制轮转动稳定参数的具体分析过程为：读取轧制轮在各预设工作时间点的相互压力值 、轧制轮在各预设工作时间点的轧制速度 、各异响频率点的异响值 ，代入到公式得到轧制轮转动稳定参数 ，其中表示预设的轧制轮的标准相互压力值， 表示预设的轧制轮的标准轧制速度， 表示预设的轧制轮在异响频率点的最大允许异响值， 表示轧制轮转动稳定参数的修正系数， 表示自然常数。

6.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制机的运行影响系数的具体分析方法包括以下步骤：第一步，分别读取轧制轮转动稳定参数 和轧制轮的质量参数 ，代入到公式得到轧制机的运行影响系数 ，其中 表示轧制轮转动稳定参数的权值因子， 表示轧制轮的质量参数的权值因子；

第二步，将轧制机的运行影响系数同预设的轧制机运行影响系数阈值进行比对，若轧制机的运行影响系数小于轧制机运行影响系数阈值，则表示轧制机的运行稳定性不合格，向系统发送维护保养提醒，反之则表示轧制机的运行稳定性合格，可以继续使用。

7.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述线材数据检测模块的具体分析方法包括以下步骤：第一步，通过摄像头对轧制过程中的线材根据预设的间隔时间点依次获取实时图像，记为各间隔时间点线材图像，利用边缘检测技术对各间隔时间点线材图像的线材进行边缘轮廓提取并生成图像，记为各间隔时间点线材边缘轮廓图像，从管理数据库中提取线材边缘轮廓标准图像，将各间隔时间点线材边缘轮廓图像分别和线材边缘轮廓标准图像进行叠加，记为各间隔时间点线材边缘轮廓叠加图像，提取各间隔时间点线材边缘轮廓叠加图像中线材边缘轮廓未重叠区域，并计算线材边缘轮廓围成区域的总面积和线材边缘轮廓未重叠区域的面积，分别记为 和 ，表示第 个间隔时间点线材边缘轮廓叠加图像的编号， ，通过公式 得到线材的表面缺陷程度 ；

第二步，按照线材长度设定预设数量的等长间距点，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的宽度进行测量，记为 ，表示第 个间隔时间点线材边缘轮廓图像的编号， ， 表示第 个间距点的编号， ，通过公式得到线材的宽度均匀程度 ；

第三步，在各间隔时间点线材边缘轮廓图像中线材的各间距点对线材的曲率进行计算，记为 ，通过公式 得到线材的弯曲程度 。

8.根据权利要求7所述的一种线材轧制生产制造智能监测系统，其特征在于，所述线材的成型影响系数的具体分析方法包括以下步骤：第一步，分别读取线材的表面缺陷程度 、线材的宽度均匀程度 、线材的弯曲程度，通过公式 分析得到线材的成型影响系数，其中 表示线材的弯曲程度的标准值， 表示线材的表面缺陷程度的权值因子， 表示线材的宽度均匀程度的权值因子， 表示线材的弯曲程度的权值因子，且 ，为自然常数， 表示线材的成型影响系数的修正系数；

第二步，将线材的成型影响系数和预设的线材的成型影响系数安全值进行比对，若线材的成型影响系数大于或等于线材的成型影响系数安全值，则表示线材加工的质量情况合格，若线材的成型影响系数小于线材的成型影响系数安全值，则表示线材加工的质量情况不合格，对系统发送停机检修预警。

9.根据权利要求1所述的一种线材轧制生产制造智能监测系统，其特征在于，所述轧制机的综合生产指数的具体分析方法包括以下步骤：第一步，读取轧制机的运行影响系数 和线材的成型影响系数 ，代入到公式得到轧制机的综合生产指数 ，其中 为自然常数， 表示轧制机的运行影响系数的权值因子， 表示线材的成型影响系数的权值因子；

第二步，将轧制机的综合生产指数与预设的轧制机的综合生产指数合格阈值进行比对，若轧制机的综合生产指数大于或等于轧制机的综合生产指数合格阈值，则表示轧制机生产制造合格，可以正常投入使用，若轧制机的综合生产指数小于轧制机的综合生产指数合格阈值，则表示轧制机生产制造不合格，向系统进行质量反馈。