1.一种竹块缺陷检测方法，其特征在于，包括如下步骤：

步骤S1：利用摄像设备获取竹块图像；

步骤S2：判断竹块图像的区域范围是否属于预设感兴趣区域ROI的范围内，如果属于，则根据预设图像区域标准值将竹块图像裁剪为标准化尺寸，否则得到竹块不合格的结果；

步骤S3：根据预设灰度值对标准化尺寸的竹块图像进行初步纹理检测，如果纹理正常则执行步骤S4，否则得到竹块不合格的结果；

步骤S4：利用竹块伪对称性对初步纹理检测正常的竹块图像进行轮廓缺陷检测，如果轮廓正常则执行步骤S5，否则得到竹块不合格的结果；

步骤S5：利用颜色模型HSV对轮廓正常的竹块图像进行正面和反面检测，如果检测出是反面则将竹块翻面，并重复执行步骤S1至步骤S4；否则，执行步骤S6；

步骤S6：训练支持向量机分类器，并根据训练后的支持向量机分类器对正面的竹块图像进行深度纹理识别，从而得到竹块合格或不合格的结果；

具体实现所述步骤S4的方法为：利用竹块伪对称性计算竹块图像最大内接矩形区域；

再分别计算竹块图像的上轮廓到所述最大内接矩形区域的上边缘的平均距离L1以及竹块图像的下轮廓到所述最大内接矩形区域的下边缘的平均距离L2，并计算距离L1与距离L2的差值S，再将所述差值S与预设距离阈值进行比对，从而筛选出存在轮廓缺陷的竹块图像；

具体实现所述步骤S5的方法为：将竹块图像转换为HSV颜色模型下的竹块图像，再求出所述HSV颜色模型中色调H空间下竹块图像色调的最大值和最小值以及饱和度S空间下竹块图像饱和度的最大值和最小值，再将所述竹块图像色调的最大值和最小值以及竹块图像饱和度的最大值和最小值分别与预设范围值进行比对，从而检测出竹块图像的正面和反面；

具体实现所述步骤S6的方法为：

步骤S601：求取HSV颜色模型中饱和度S空间下的竹块图像的水平投影值，并求出水平投影值的平均值，其中，水平投影值为一数组；

步骤S602：遍历水平投影值，找出水平投影值连续低于平均值为预设值a以下的数值个数，标记为第一类特征向量；

步骤S603：遍历水平投影值，找出水平投影值大于水平投影值两端数值为预设值a以上的数值个数，标记为第二类特征向量；

步骤S604：分别求出HSV颜色模型中色调H空间、饱和度S空间和透明度V空间下的竹块图像的三个直方图；

步骤S605：根据三个直方图求出色调H空间、饱和度S空间和透明度V空间下竹块图像的灰度均值、方差、偏态系数、能量、熵、粗糙度、对比度和方向度的第三类特征向量；

步骤S606：将第一类特征向量、第二类特征向量和第三类特征向量放入支持向量机分类器中训练，得到训练后的支持向量机分类器；

步骤S607：通过经训练后的支持向量机分类器对正面的竹块图像进行深度纹理识别，从而得到竹块合格或不合格的结果。

2.根据权利要求1所述的竹块缺陷检测方法，其特征在于，获取竹块图像后，还包括对竹块图像的画质进行优化处理的步骤，其包括对竹块图像进行白平衡处理、中值滤波处理和高斯滤波的优化处理。

3.根据权利要求2所述的竹块缺陷检测方法，其特征在于，对竹块图像的画质进行优化处理后，还包括利用重心原理将竹块图像旋转到水平位置的步骤：求取竹块图像的最小外接矩形，并利用重心原理计算出所述最小外接矩形的角度，并根据该角度且以竹块图像的重心为旋转中心进行旋转，从而将竹块图像旋转到水平位置。

4.根据权利要求1所述的竹块缺陷检测方法，其特征在于，具体实现所述步骤S3的方法为：将标准化尺寸的竹块图像处理成灰度模式下的竹块图像，再判断竹块图像的灰度值是否属于预设图像灰度值范围，如果属于，则纹理正常，否则得到竹块不合格的结果。

5.根据权利要求4所述的竹块缺陷检测方法，其特征在于，所述预设图像灰度值范围为

60至220。

6.根据权利要求1所述的竹块缺陷检测方法，其特征在于，将所述竹块图像色调的最大值和最小值以及竹块图像饱和度的最大值和最小值分别与预设范围值进行比对的具体方法为：所述竹块图像色调的最大值和最小值属于预设色调H空间范围值内，且所述竹块图像饱和度的最大值和最小值属于预设饱和度S空间范围值内，则检测出竹块图像为正面，否则为反面。

7.一种竹块缺陷检测装置，其特征在于，包括：

图像获取模块，用于利用摄像设备获取竹块图像；

裁剪模块，用于判断竹块图像的区域范围是否属于预设感兴趣区域ROI的范围内，如果属于，则根据预设图像区域标准值将竹块图像裁剪为标准化尺寸，否则得到竹块不合格的结果；

初步纹理检测模块，用于根据预设灰度值对标准化尺寸的竹块图像进行初步纹理检测，如果纹理正常将初步纹理检测正常的竹块图像发送轮廓检测模块，否则得到竹块不合格的结果；

轮廓检测模块，用于利用竹块伪对称性对初步纹理检测正常的竹块图像进行轮廓缺陷检测，如果轮廓正常则将轮廓正常的竹块图像发送正反面检测模块，否则得到竹块不合格的结果；

正反面检测模块，用于利用颜色模型HSV对轮廓正常的竹块图像进行正面和反面检测，如果检测出是反面则将竹块翻面，并调用所述图像获取模块、所述裁剪模块、所述初步纹理检测模块、所述轮廓检测模块重新检测竹块图像，否则将正面的竹块图像发送深度纹理检测模块；

深度纹理检测模块，用于训练支持向量机分类器，并根据训练后的支持向量机分类器对正面的竹块图像进行深度纹理识别，从而得到竹块合格或不合格的结果；

所述轮廓检测模块具体用于：利用竹块伪对称性计算竹块图像最大内接矩形区域；再分别计算竹块图像的上轮廓到所述最大内接矩形区域的上边缘的平均距离L1以及竹块图像的下轮廓到所述最大内接矩形区域的下边缘的平均距离L2，并计算距离L1与距离L2的差值S，再将所述差值S与预设距离阈值进行比对，从而筛选出存在轮廓缺陷的竹块图像；

所述正反面检测模块具体用于：将竹块图像转换为HSV颜色模型下的竹块图像，再求出所述HSV颜色模型中色调H空间下竹块图像色调的最大值和最小值以及饱和度S空间下竹块图像饱和度的最大值和最小值，再将所述竹块图像色调的最大值和最小值以及竹块图像饱和度的最大值和最小值分别与预设范围值进行比对，从而检测出竹块图像的正面和反面；

所述深度纹理检测模块具体用于：

求取HSV颜色模型中饱和度S空间下的竹块图像的水平投影值，并求出水平投影值的平均值，其中，水平投影值为一数组；

遍历水平投影值，找出水平投影值连续低于平均值为预设值a以下的数值个数，标记为第一类特征向量；

遍历水平投影值，找出水平投影值大于水平投影值两端数值为预设值a以上的数值个数，标记为第二类特征向量；

分别求出HSV颜色模型中色调H空间、饱和度S空间和透明度V空间下的竹块图像的三个直方图；

根据三个直方图求出色调H空间、饱和度S空间和透明度V空间下竹块图像的灰度均值、方差、偏态系数、能量、熵、粗糙度、对比度和方向度的第三类特征向量；

将第一类特征向量、第二类特征向量和第三类特征向量放入支持向量机分类器中训练，得到训练后的支持向量机分类器；

通过经训练后的将支持向量机分类器对正面的竹块图像进行深度纹理识别，从而得到竹块合格或不合格的结果。