1.一种基于机器视觉的油缸故障检测系统，其特征在于，所述系统包括：数据获取模块，用于获取标准故障图像，以及获取调整前或调整后的待测液压油缸的RGB图像，对RGB图像进行图像克隆，得到副本图像集；所述副本图像集中包含第一副本图像和第二副本图像；

特征提取模块，用于从标准故障图像中获取待测液压油缸漏油时的图像特征；所述图像特征包括颜色特征和梯度特征；

第一分割模块，用于根据颜色特征从第一副本图像中划分出掩膜区域和非掩膜区域，将包含掩膜区域的第一副本图像标记为第一目标图像；

第二分割模块，用于根据梯度特征从第二副本图像中划分出前景区域和背景区域，将包含前景区域的第二副本图像标记为第二目标图像；

故障识别模块，用于对第一目标图像和第二目标图像进行叠合，将叠合后掩膜区域和前景区域形成的重合区域标记为漏油区域，并根据漏油区域的像素面积确定待测液压油缸的漏油严重程度。

2.根据权利要求1所述的基于机器视觉的油缸故障检测系统，其特征在于，所述获取调整后的待测液压油缸的RGB图像，包括：提取调整前的待测液压油缸的RGB图像，计算RGB图像的质量系数；

其中，所述计算RGB图像的质量系数，包括：

获取RGB图像各个通道的亮度值；

将各个通道的亮度值代入预构建的质量系数计算模型中，得到RGB图像的质量系数；

其中，所述质量系数计算模型的表达式如下：

式中：QC为质量系数，Ri为红色通道中第i个像素的亮度值，Gi为绿色通道中第i个像素的亮度值，Bi为蓝色通道中第i个像素的亮度值， 为红色通道的亮度平均值， 为绿色通道的亮度平均值， 为蓝色通道的亮度平均值，N为像素的总数；

将质量系数与预设的质量系数阈值进行比对；

若质量系数大于等于质量系数阈值，则判定RGB图像符合既定的质量标准；

若质量系数小于质量系数阈值，则判定RGB图像不符合既定的质量标准，并将RGB图像标记为低质图像；

在将低质图像转化为灰度形式的低质图像后，获取灰度形式的低质图像内各个灰度级别的灰度值，并采用Gamma变换对灰度形式的低质图像内每个灰度级别的灰度值进行重分配，得到调整后的待测液压油缸的RGB图像。

3.根据权利要求2所述的基于机器视觉的油缸故障检测系统，其特征在于，所述标准故障图像中颜色特征的获取逻辑如下：将标准故障图像从RGB颜色空间转换到HSV色彩空间；所述标准故障图像中包含预先划分的漏油区域和非漏油区域；

计算标准故障图像中漏油区域的平均色相和平均饱和度，并将计算得到平均色相和平均饱和度作为标准故障图像的颜色特征；

其中，所述平均色相的计算公式如下：

式中： 为漏油区域的平均色相，Nleak为漏油区域中的像素总数，H(x,y)为图像在坐标为(x,y)处像素的色相值；

其中，所述平均饱和度的计算公式如下：

式中： 为漏油区域的平均饱和度，S(x,y)为图像在坐标为(x,y)处像素的饱和度值。

4.根据权利要求3所述的基于机器视觉的油缸故障检测系统，其特征在于，对标准故障图像进行灰度化处理，得到灰度故障图像；

采用Sobel算子或Prewitt算子计算灰度故障图像中每个像素的梯度强度；

根据每个像素的梯度强度，统计灰度故障图像中各个梯度强度级别的像素数量；

根据各个梯度强度级别的像素数量构建梯度强度直方图，并将梯度强度直方图作为标准故障图像的梯度特征。

5.根据权利要求4所述的基于机器视觉的油缸故障检测系统，其特征在于，所述从第一副本图像中划分出掩膜区域和非掩膜区域，包括：调取标准故障图像的颜色特征，以及获取第一副本图像中的颜色特征；

将标准故障图像的颜色特征与第一副本图像中的颜色特征进行比对，以从第一副本图像中划分出掩膜区域K和非掩膜区域：式中：Iij为第一副本图像中在位置(i,j)处像素点的颜色特征，1表示掩膜区域，0表示非掩膜区域；a表示标准故障图像的平均色相，b表示标准故障图像的平均饱和度。

6.根据权利要求5所述的基于机器视觉的油缸故障检测系统，其特征在于，所述从第二副本图像中划分出前景区域和背景区域，包括：利用K‑means聚类算法对第二副本图像进行像素点区分，将第二副本图像内像素点聚类形成区域作为候选区域，得到多个候选区域；

获取每个候选区域的梯度强度直方图，将每个候选区域的梯度强度直方图与标准故障图像的梯度特征进行相似度计算，得到多个相似度；

将每个相似度与预设的相似度阈值进行比较，若相似度大于等于相似度阈值，则将对应的候选区域标记为前景区域；若相似度小于相似度阈值，则将对应的候选区域标记为背景区域。

7.根据权利要求6所述的基于机器视觉的油缸故障检测系统，其特征在于，在对第一目标图像和第二目标图像进行叠合之前，包括：获取设定的透明度区间；

根据透明度区间对第一目标图像和第二目标图像进行透明度调节；

其中，所述透明度区间为30％～70％。

8.根据权利要求7所述的基于机器视觉的油缸故障检测系统，其特征在于，所述根据漏油区域的像素面积确定待测液压油缸的漏油严重程度，包括：获取漏油区域的像素面积，以及第一目标图像或第二目标图像的像素面积；

计算漏油区域与第一目标图像或第二目标图像之间像素面积的比值，得到漏油区域面积比值；

将漏油区域面积比值与预设的漏油区域面积比阈值，将漏油区域面积比值与漏油区域面积比阈值进行比较；所述漏油区域面积比阈值包括第一和第二漏油区域面积比阈值，其中，第一漏油区域面积比阈值大于漏油区域面积比阈值；

若漏油区域面积比阈值大于等于第一漏油区域面积比阈值，则判定待测液压油缸的漏油严重程度为第一漏油等级；

若漏油区域面积比阈值小于第一漏油区域面积比阈值，且若漏油区域面积比阈值大于第二漏油区域面积比阈值，则判定待测液压油缸的漏油严重程度为第二漏油等级；

若漏油区域面积比阈值小于等于第二漏油区域面积比阈值，则判定待测液压油缸的漏油严重程度为第三漏油等级。

9.一种基于机器视觉的油缸故障检测方法，其基于权利要求1‑8中任一项所述的基于机器视觉的油缸故障检测系统实现，其特征在于，所述方法包括：获取标准故障图像，以及获取调整前或调整后的待测液压油缸的RGB图像，对RGB图像进行图像克隆，得到副本图像集；所述副本图像集中包含第一副本图像和第二副本图像；

从标准故障图像中获取待测液压油缸漏油时的图像特征；所述图像特征包括颜色特征和梯度特征；

根据颜色特征从第一副本图像中划分出掩膜区域和非掩膜区域，将包含掩膜区域的第一副本图像标记为第一目标图像；

根据梯度特征从第二副本图像中划分出前景区域和背景区域，将包含前景区域的第二副本图像标记为第二目标图像；

对第一目标图像和第二目标图像进行叠合，将叠合后掩膜区域和前景区域形成的重合区域标记为漏油区域，并根据漏油区域的像素面积确定待测液压油缸的漏油严重程度。