1.一种基于机器视觉的螺丝锁付质量检测方法，其特征在于，包括如下步骤：采集目标螺丝锁付过程中的螺丝图像，得到螺丝图像集；

从所述螺丝图像集中提取出目标螺丝的图像边缘信息，根据所述图像边缘信息和所述螺丝图像集的像素点特征对所述螺丝图像集中的目标螺丝进行边缘识别，进而得到目标螺丝边缘轮廓的图像像素线；

通过所述图像像素线和目标螺丝周围的光线特征确定目标螺丝在所述螺丝图像集中的边缘波动代价，根据所述边缘波动代价对所述螺丝图像集中的像素值数据进行质量识别，得到目标螺丝的螺丝缺陷域；

获取目标螺丝的锁紧信息，通过所述锁紧信息识别出所述螺丝图像集中所述螺丝图像集中目标螺丝在拧紧状态下的螺纹咬合状态，根据识别出的所述螺纹咬合状态和所述螺丝缺陷域确定目标螺丝在锁付后的检测置信指数；

通过所述检测置信指数对锁付后的目标螺丝进行质量标定。

2.如权利要求1所述的方法，其特征在于，从所述螺丝图像集中提取出目标螺丝的图像边缘信息具体包括：提取出所述螺丝图像集中各个螺丝图像的图像轮廓特征；

根据所有的图像轮廓特征确定目标螺丝的图像边缘特征；

通过所述图像边缘特征和所述螺丝图像集确定目标螺丝的图像边缘信息。

3.如权利要求1所述的方法，其特征在于，根据所述图像边缘信息和所述螺丝图像集的像素点特征对所述螺丝图像集中的目标螺丝进行边缘识别，进而得到目标螺丝边缘轮廓的图像像素线具体包括：获取所述螺丝图像集的像素点特征；

根据所述图像边缘信息和所述螺丝图像集的像素点特征确定目标螺丝的边缘识别信息；

根据所述边缘识别信息和所述螺丝图像集确定多个图像轮廓线；

通过所有的图像轮廓线确定目标螺丝边缘轮廓的图像像素线。

4.如权利要求1所述的方法，其特征在于，通过所述图像像素线和目标螺丝周围的光线特征确定目标螺丝在所述螺丝图像集中的边缘波动代价具体包括：获取目标螺丝周围的光线特征；

确定所述光线特征的光线波动熵；

根据所述光线波动熵和所述图像像素线确定置信波动信息；

根据所述置信波动信息确定目标螺丝在所述螺丝图像集中的边缘波动代价。

5.如权利要求1所述的方法，其特征在于，根据所述边缘波动代价对所述螺丝图像集中的像素值数据进行质量识别，得到目标螺丝的螺丝缺陷域具体包括：获取所述螺丝图像集中的像素值数据和图像像素线；

通过所述像素值数据和所述图像像素线确定目标螺丝的表面缺陷信息；

通过所述边缘波动代价和所述表面缺陷信息识别出目标螺丝的螺丝缺陷域。

6.如权利要求1所述的方法，其特征在于，通过所述锁紧信息识别出所述螺丝图像集中所述螺丝图像集中目标螺丝在拧紧状态下的螺纹咬合状态具体包括：根据所述锁紧信息确定目标螺丝的角度特征量；

根据所述螺丝图像集确定目标螺丝的拧紧状态；

根据所述角度特征量和所述拧紧状态确定所述螺丝图像集中目标螺丝在拧紧状态下的螺纹咬合状态。

7.如权利要求1所述的方法，其特征在于，根据识别出的所述螺纹咬合状态和所述螺丝缺陷域确定目标螺丝在锁付后的检测置信指数具体包括：通过识别出的所述螺纹咬合状态确定目标螺丝的咬合置信度；

根据所述螺丝缺陷域确定目标螺丝在锁付之后的缺陷占比度；

根据所述咬合置信度和所述缺陷占比度确定目标螺丝在锁付后的检测置信指数。

8.一种基于机器视觉的螺丝锁付质量检测系统，其特征在于，包括：获取模块，用于采集目标螺丝锁付过程中的螺丝图像，得到螺丝图像集；

处理模块，用于从所述螺丝图像集中提取出目标螺丝的图像边缘信息，根据所述图像边缘信息和所述螺丝图像集的像素点特征对所述螺丝图像集中的目标螺丝进行边缘识别，进而得到目标螺丝边缘轮廓的图像像素线；

所述处理模块，还用于通过所述图像像素线和目标螺丝周围的光线特征确定目标螺丝在所述螺丝图像集中的边缘波动代价，根据所述边缘波动代价对所述螺丝图像集中的像素值数据进行质量识别，得到目标螺丝的螺丝缺陷域；

所述处理模块，还用于获取目标螺丝的锁紧信息，通过所述锁紧信息识别出所述螺丝图像集中所述螺丝图像集中目标螺丝在拧紧状态下的螺纹咬合状态，根据识别出的所述螺纹咬合状态和所述螺丝缺陷域确定目标螺丝在锁付后的检测置信指数；

执行模块，用于通过所述检测置信指数对锁付后的目标螺丝进行质量标定。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有代码，所述处理器被配置为获取所述代码，并执行如权利要求1至7任一项所述的基于机器视觉的螺丝锁付质量检测方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于机器视觉的螺丝锁付质量检测方法。