1.一种基于图像识别的清扫车清扫刷控制方法，其特征在于，所述方法包括以下步骤：获取路面图像，采用目标检测模型提取道路图像中各类型垃圾的边界框；

确定各边界框内像素的垃圾类型概率分布，结合垃圾类型概率分布和各个类型垃圾的像素位置计算边界框内各个类型垃圾的交叉度；

基于边界框内各像素的垃圾类型建立该边界框的污染权重，基于各个边界框内各个类型垃圾的交叉度和污染权重确定各个边界框的垃圾浓度；

基于各个边界框的垃圾浓度和位置分布对各个边界框进行聚类分析，得到清扫区域；

基于清扫区域中各个边界框的垃圾浓度确定清扫区域的清理难度，根据清理难度控制清扫刷在各个清扫区域的角度和转速；

所述确定各边界框内像素的垃圾类型概率分布，结合垃圾类型概率分布和各个类型垃圾的像素位置计算边界框内垃圾的交叉度，包括：将边界框中各个像素属于目标类型垃圾的频率与总像素数的比值累加，得到该边界框内目标类型垃圾的概率；

计算两个边界框内目标类型垃圾的像素位置差异，得到目标类型垃圾在两个边界框内的像素差；

将两个边界框内各个目标类型垃圾的概率和像素差相乘后累加，得到目标类型垃圾在两个边界框的交叉度，将边界框中各个目标类型垃圾的交叉度累加，得到该边界框内各个类型垃圾的交叉度；

所述基于边界框内各像素的垃圾类型建立该边界框的污染权重，基于各个边界框内各个类型垃圾的交叉度和污染权重确定各个边界框的垃圾浓度，包括：根据垃圾类型设定基础权重系数，将各类垃圾在边界框内的垃圾浓度与对应的基础权重系数相乘，得到各类型垃圾的污染权重；

将边界框内各类型垃圾的污染权重与其交叉度进行加权求和，得到该边界框的综合污染指数；

基于边界框的综合污染指数和边界框面积，计算单位面积的垃圾浓度值，作为该边界框的垃圾浓度；

所述基于各个边界框的垃圾浓度和位置分布对各个边界框进行聚类分析，得到清扫区域，包括：S410，根据清扫刷的覆盖区域和各个边界框的垃圾浓度的平均值设置清扫半径，根据路面图像中视为一个覆盖区域的最小垃圾数量设定最小点数，基于各个边界框的垃圾浓度确定聚类中心；

S420，将清扫半径作为聚类中心的聚类边界，在最小点数内对聚类中心的邻近边界框进行聚类，形成清扫区域；

S430，将清扫区域均分为多个子区域，基于子区域中各个边界框的区域占比和垃圾浓度确定该子区域的局部垃圾浓度；

S440，分别确定各个子区域和聚类中心的距离，选取局部垃圾浓度和距离乘积最大的子区域作为新的聚类中心，确定聚类中心的距离变化是否低于距离阈值，若是，则执行S450；若否，则执行S420；

S450，对清扫区域内各个边界框的垃圾浓度进行梯度计算，将梯度较大的多个边界框作为基准框，生成包含多个基准框的外接曲线，以聚类中心为圆心，在清扫半径和最小点数内生成包含该外接曲线的清扫区域。

2.根据权利要求1所述的方法，其特征在于，所述将清扫半径作为聚类中心的聚类边界，在最小点数内对聚类中心的邻近边界框进行聚类，形成清扫区域，包括：根据聚类中心和清扫半径筛选邻近边界框，确保每个聚类内边界框数量不少于最小点数，形成清扫单元；

若清扫单元边缘上存在重叠的边界框，则将该边界框划分到像素占比较大的清扫单元，基于清扫单元中的边界框对清扫单元进行位置调整，将调整后的清扫单元作为清扫区域。

3.根据权利要求1所述的方法，其特征在于，所述基于清扫区域中各个边界框的垃圾浓度确定清扫区域的清理难度，根据清理难度控制清扫刷在各个清扫区域的角度和转速，包括：将清扫区域中各个边界框的垃圾浓度累加后进行指数归一化处理，得到清扫区域的清理难度；

获取刷毛角度的范围值，在所述范围值内建立清理难度与刷毛角度的第一函数关系；

基于所述清理难度在所述范围值内调节刷毛角度；

获取清扫刷的转速、清扫车的行驶速度、清扫车的基准速度和清扫刷的基础转速，结合垃圾的清理难度确定清扫刷的转速。

4.一种基于图像识别的清扫车清扫刷控制系统，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至3任一项所述的方法。

5.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至3任一项所述的方法。