1.一种基于光谱数据的纺织用纤维智能鉴别方法，其特征在于，该纺织用纤维智能鉴别方法包括以下步骤：S1、对纺织纤维光谱数据执行变换分析处理获取光谱特征，并基于光谱特征与系数相关技术确定光谱特征波长，建立预测模型输出纺织纤维结晶度；

S2、基于数据分析技术建立映射空间判断纺织纤维结晶度的分布状况生成形态特征值，并通过相似度比对评估纺织纤维的耐磨性；

S3、对纺织纤维图像实施均衡与分割处理，并将处理完成的纺织纤维图像的像素点映射至状态空间评估纺织纤维的强韧性；

S4、基于耐磨性与强韧性评估结果动态分析纺织纤维的应用状态，并根据应用状态评估纺织纤维的使用寿命；

所述对纺织纤维图像实施均衡与分割处理，并将处理完成的纺织纤维图像的像素点映射至状态空间评估纺织纤维的强韧性包括以下步骤：S31、基于获取到的纺织纤维图像执行图像去噪处理，并利用直方图均衡化技术对纺织纤维图像进行增强处理；

S32、基于图像分割技术对纺织纤维图像中的纤维区域与背景区域进行分离，并将纤维区域对应的像素点映射至状态空间获取预测估计值；

S33、基于连续性标准定义几何特征与点连续性的匹配规则，并基于匹配规则生成粗匹配阶段与精匹配阶段验证预测估计值的连续性；

S34、根据连续性验证结果判断纺织纤维内纤维点是否存在断裂情况，若存在断裂情况则定义纺织纤维的强韧性不合格，若未存在断裂情况则定义强韧性合格；

所述对纺织纤维光谱数据执行变换分析处理获取光谱特征，基于光谱特征与系数相关技术确定光谱特征波长，并建立预测模型分析纺织纤维结晶度包括以下步骤：S11、基于纺织纤维光谱数据实施斜率变换与连续统消除操作获取变化光谱实现光谱转换，并基于光谱转换结果获取光谱特征；

S12、应用系数相关技术对纺织纤维光谱数据、变化光谱及对应的形态特征进行相关性分析，分析光谱特征与吸收峰之间的相关系数；

S13、遍历所有相关系数并选取相关系数等于预设值对应的波长作为光谱特征波长，基于光谱特征波长判断纺织纤维的形态特征；

S14、将特征波长作为自变量，纺织纤维的形态特征作为因变量建立预测模型输出纺织纤维光谱的波峰数量，基于波峰数量分析纺织纤维结晶度；

所述基于数据分析技术建立映射空间判断纺织纤维结晶度的分布状况生成形态特征值，并通过相似度比对评估纺织纤维的耐磨性包括以下步骤：S21、基于数据分析技术对纺织纤维结晶度进行预处理并结合多元分析技术构建映射空间，并在映射空间内进行纺织纤维结晶度变化频率分析；

S22、采用纺织纤维结晶度变化频率和设计空间分布变化特征分析，获取结晶度变化的分布规律，基于分布规律结果上下限值对应的结晶度作为对比值；

S23、根据对比值对应的结晶度解析纺织纤维的形态特征，将形态特征与标准阈值进行比对获取相似度结果；

S24、基于相似度结果与预设的耐磨性等级划分标准相匹配评估纺织纤维的耐磨性；

所述根据对比值对应的结晶度解析纺织纤维的形态特征，将形态特征与标准阈值进行比对获取相似度结果包括以下步骤：S231、基于对比值对应的结晶度判断纺织纤维内部的结晶区域尺寸与晶体大小，并结合投射扫描技术解析纺织纤维的横截面形状；

S232、采用加权平均法将横截面形状转化为单阶数据面形成直方图，定义纺织纤维形态特征，并结合形态分析法构建形态特征矩阵；

S233、基于标准阈值的形态特征与形态特征矩阵分别求取对应的密度指标，并选取密度指标最大值对应的形态特征作为中心特征；

S234、判断标准阈值与对比值对应中心特征间的变权重欧式距离，并基于变权重欧式距离求取中心特征间的相似度；

S235、选取对比值对应最小的相似度值作为标准阈值与标准阈值之间的相似度结果；

所述采用加权平均法将横截面形状转化为单阶数据面形成直方图，定义纺织纤维形态特征，并结合形态分析法构建形态特征矩阵包括以下步骤：S2321、采用加权平均法将形态特征矩阵对应的横截面形状转化为单阶数据面，获取单阶数据面内的形状点构成表示图，并判断表示图的分布均匀性；

S2322、基于表示图判断横截面形状点的均值系数与分布对称程度，并分析横截面形状点均值系数的离散程度，根据离散程度反映横截面形状点的峰态获取分布均匀性；

S2323、将表示图的分布均匀性、横截面形状点的均值系数、分布对称程度、离散程度及分布均匀性定义为横截面形状点的特征参数获取纺织纤维形态特征；

S2324、运用形态分析法对形态特征进行参数降维操作，将降维后的形态特征投影至低维空间，并利用横截面形状点的特征参数进行相关性消除处理构建形态特征矩阵；

所述横截面形状点的均值系数离散程度的计算公式为：

；

式中，L表示均值系数离散程度，T表示横截面形状点的个数，E表示表示图中的分布均匀性等级，P表示横截面形状点的均值系数，m（E）表示满足分布均匀性等级的表示图对应的横截面形状点的个数；

所述横截面形状点的均值系数的计算公式为：

；

式中，P表示横截面形状点的均值系数，T表示横截面形状点的个数，E表示表示图中的分布均匀性等级，m（E）表示满足分布均匀性等级的表示图对应的横截面形状点的个数所述基于图像分割技术对纺织纤维图像中的纤维区域与背景区域进行分离，并将纤维区域对应的像素点映射至状态空间获取预测估计值包括以下步骤：S321、基于图像分割技术选取区域生长方式将纺织纤维图像中的纤维区域与背景区域进行分离，从分割后的纤维区域中提取纤维长度特征；

S322、基于纤维长度特征设定预测估计值属性定义状态空间，将纤维长度特征对应的像素点映射至状态空间；

S323、在状态空间内对纤维区域进行亮度信息的分段映射获取各区域点的预测估计值，并采用导向滤波方式对区域点的估计预测值进行优化获取最终的预测估计值；

所述基于连续性标准定义几何特征与点连续性的匹配规则，并基于匹配规则生成粗匹配阶段与精匹配阶段验证预测估计值的连续性包括以下步骤：S331、根据连续性标准选取两组区域点集，并将区域点集分解为由折点构成的离散集，应用短边距离算法判断离散集内折点间的距离得到距离集合；

S332、选取距离集合的中位数作为匹配值，并判断预测估计值的距离集合的中位数与匹配值的差值；

S333、定义差值大于小于设定值则表示不匹配，差值等于设定值则表示匹配的几何特征匹配规则；

S334、根据选取的两组离散集内的折点定义边集合与辅助边集合，利用边集合与辅助边结合判断折点的联通性生成点连续性匹配规则；

S335、基于几何特征匹配规则与点连续性匹配规则对应生成粗匹配阶段与精匹配阶段，利用匹配规则验证预测估计值的连续性。

2.一种基于光谱数据的纺织用纤维智能鉴别系统，用于实现权利要求1所述的纺织用纤维智能鉴别方法，其特征在于，该纺织用纤维智能鉴别系统包括纤维结晶度预测模块、耐磨性评估模块、强韧性评估模块及鉴别平台生成模块，所述纤维结晶度预测模块、所述耐磨性评估模块、所述强韧性评估模块及所述鉴别平台生成模块之间依次连接；

所述纤维结晶度预测模块，用于对纺织纤维光谱数据执行变换分析处理获取光谱特征，并基于光谱特征与系数相关技术确定光谱特征波长，建立预测模型输出纺织纤维结晶度；

所述耐磨性评估模块，用于基于数据分析技术建立映射空间判断纺织纤维结晶度的分布状况生成形态特征值，并通过相似度比对评估纺织纤维的耐磨性；

所述强韧性评估模块，用于对纺织纤维图像实施均衡与分割处理，并将处理完成的纺织纤维图像的像素点映射至状态空间评估纺织纤维的强韧性；

所述鉴别平台生成模块，用于基于耐磨性与强韧性评估结果动态分析纺织纤维的应用状态，并根据应用状态评估纺织纤维的使用寿命。