1.一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于，包括：

步骤一、基于机器视觉的土坎梯田图像数据的采集，分析土坎梯田图像的图像质量指数，并与图像质量阈值进行比对，若土坎梯田图像的图像质量指数大于图像质量阈值，则执行步骤二，若土坎梯田图像的图像质量指数小于或等于图像质量阈值，则对土坎梯田图像数据的采集进行自动反馈；

步骤二、根据土坎梯田图像数据，获取土坎梯田的土壤参数并进行质量检测，由此评估出土坎梯田的土壤质量系数，同时根据土坎梯田图像数据，采集土坎梯田的地形参数并进行稳定性检测，由此评估出土坎梯田的地形稳定指数，所述土坎梯田图像数据包括土坎梯田图像的分辨率以及土坎梯田图像的各像素点的色彩值、土坎梯田的土壤参数以及土坎梯田的地形参数，其中土坎梯田的土壤参数中的数据包括土坎梯田所属植被区域面积、土坎梯田区域总面积以及土坎梯田所属土壤区域的各颜色检测点的色彩值，土坎梯田的地形参数中的数据包括土坎梯田所属排水沟区域轮廓以及土坎梯田的总层数；

步骤三、收集土坎梯田所属环境参数，并基于土坎梯田的土壤质量系数以及土坎梯田的地形稳定指数，判定出土坎梯田的综合稳定因子，由此对土坎梯田的稳定性检测进行反馈；

所述土坎梯田图像的分辨率，通过读取土坎梯田图像的文件属性中的分辨率得到；

所述土坎梯田图像的各像素点的色彩值，通过获取各像素点的十六进制颜色代码，并将其数值部分转化为十进制，十进制表示的数值记为土坎梯田图像的各像素点的色彩值；

所述土坎梯田所属植被区域面积，指土坎梯田所属植被区域的像素总数，通过将土坎梯田图像通过转换到色调、饱和度以及明度颜色空间，根据植被的典型绿色范围设定颜色阈值，用于区分植被和非植被区域，应用这个阈值来创建一个二值掩码，计算掩码中植被区域的像素数量，得到植被区域的像素总数，并将其标记为土坎梯田所属植被区域面积；

所述土坎梯田区域总面积，指土坎梯田图像总像素数，通过将土坎梯田图像的分辨率的水平像素数乘以高度像素数得到；

所述土坎梯田所属土壤区域的各颜色检测点的色彩值，通过获取各颜色检测点的十六进制颜色代码，并将其数值部分转化为十进制，十进制表示的数值记为土坎梯田所属土壤区域的各颜色检测点的色彩值；

所述土坎梯田所属排水沟区域轮廓，通过在土坎梯田灰度图像中，先去除噪声，利用边缘检测算法得到包含排水沟边界及其他细节的边缘图像，再通过轮廓查找算法从处理后的边缘图像中提取所有轮廓，并基于轮廓的面积、形状等特征设置排水沟的筛选条件，以区分并保留符合排水沟特征的轮廓，最后将筛选出的排水沟轮廓在原图上进行标注，由此得到土坎梯田所属排水沟区域轮廓；

所述土坎梯田的总层数，通过将边缘检测算法应用于土坎梯田图像，识别出土坎梯田图像中的田坎边缘信息，然后将边缘转化为具体的轮廓，根据田坎边缘轮廓的特性和相对位置关系并进行分组，每组轮廓对应梯田的一层，通过统计分组后的轮廓数量计算出梯田的总层数。

2.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述基于机器视觉的土坎梯田图像数据的采集，具体指通过图像采集设备对土坎梯田进行图像数据的采集，并进行数据处理得出土坎梯田图像数据。

3.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述分析土坎梯田图像的图像质量指数，具体分析过程为：从土坎梯田图像数据中提取土坎梯田图像的分辨率以及土坎梯田图像的各像素点的色彩值，并进行综合数据处理，得到土坎梯田图像的噪声方差；

将土坎梯田图像进行图像灰度处理得到土坎梯田灰度图像，从土坎梯田灰度图像中提取并统计土坎梯田灰度图像的像素点总个数以及各灰度级的出现次数，并进行综合数据处理，得到土坎梯田图像的信息熵，由此综合分析出土坎梯田图像的图像质量指数。

4.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述对土坎梯田图像数据的采集进行自动反馈，具体反馈过程为：获取图像采集设备的图像采集参数，将图像采集设备的图像采集参数传输至梯田特性数据库中存储的图像采集参数集，并将该图像采集参数集打包为图像采集参数日志，由此对土坎梯田图像数据的采集进行自动反馈。

5.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述评估出土坎梯田的土壤质量系数，具体评估过程为：从土坎梯田的土壤参数中定位并提取土坎梯田所属植被区域面积以及土坎梯田区域总面积，并通过比值处理，得到土坎梯田的植被覆盖率；

从土坎梯田的土壤参数中定位并提取土坎梯田所属土壤区域的各颜色检测点的色彩值，同时获取土坎梯田所属土壤区域的各颜色检测点的参考色彩值，与土坎梯田所属土壤区域的对应的颜色检测点的色彩值依次进行差值处理、累加处理，得到土坎梯田的土壤色彩总偏差值，综合土坎梯田的植被覆盖率以及土坎梯田的土壤色彩总偏差值评估出土坎梯田的土壤质量系数。

6.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述评估出土坎梯田的地形稳定指数，具体评估过程为：从土坎梯田的地形参数中定位土坎梯田所属排水沟区域轮廓，获取土坎梯田所属排水沟参考轮廓，将土坎梯田所属排水沟区域轮廓与排水沟参考轮廓进行重合比对，由此统计土坎梯田所属排水沟区域的轮廓总偏差值；

从土坎梯田的地形参数中提取土坎梯田的总层数，通过匹配得到土坎梯田的参考总高度，获取土坎梯田的实际总高度，与土坎梯田的参考总高度进行差值处理，得到土坎梯田的高度偏差值；

同时综合土坎梯田的植被覆盖率、土坎梯田所属排水沟区域的轮廓总偏差值以及土坎梯田的高度偏差值，评估出土坎梯田的地形稳定指数。

7.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述收集土坎梯田所属环境参数，具体指土坎梯田在环境监测周期内的环境参数，由此通过土坎梯田在环境监测周期内的环境参数判定出土坎梯田的综合稳定因子。

8.根据权利要求7所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述判定出土坎梯田的综合稳定因子，具体判定过程为：从土坎梯田在环境监测周期内的环境参数中提取土坎梯田所属环境在环境监测周期内的降雨总量；

从土坎梯田在环境监测周期内的环境参数中提取土坎梯田所属环境在环境监测周期内的平均风速，同时综合土坎梯田的土壤质量系数以及土坎梯田的地形稳定指数，分析出土坎梯田的综合稳定因子。

9.根据权利要求8所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述土坎梯田的综合稳定因子，具体表达式为：；

其中，为土坎梯田的综合稳定因子， 为土坎梯田所属环境在环境监测周期内的降雨总量， 为土坎梯田所属环境在环境监测周期内的平均风速， 为土坎梯田所属环境在环境监测周期内的参考降雨总量， 为土坎梯田所属环境在环境监测周期内的参考平均风速， 为土坎梯田的土壤质量系数， 为土坎梯田的地形稳定指数， 为梯田特性数据库中预设的降雨总量对应的修正因子， 为梯田特性数据库中预设的平均风速对应的修正因子，为梯田特性数据库中预设的土壤质量系数对应的权重因子，为梯田特性数据库中预设的地形稳定指数对应的权重因子。

10.根据权利要求1所述的一种基于机器视觉的土坎梯田失稳自动检测方法，其特征在于：所述对土坎梯田的稳定性检测进行反馈，具体反馈过程为：将土坎梯田的综合稳定因子与综合稳定阈值进行比对，若土坎梯田的综合稳定因子小于或等于综合稳定阈值，则对土坎梯田的稳定性检测进行反馈。