1.一种基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：包括步骤：S1：采用双目相机实时采集下落中的集料颗粒图像；其中，所述双目相机布置的高度相同且与集料颗粒下落通道的距离相等，所述双目相机在水平方向上的拍摄方向相差90°；

S2：对相同时刻采集到下落中的集料颗粒图像进行图像处理，重建集料颗粒轮廓；

S3：对步骤S2重建集料颗粒轮廓图进行校正；

S4：利用最小外接矩形法，在各个校正后的重建集料颗粒轮廓图中提取集料颗粒轮廓的尺寸，并根据提取的集料颗粒轮廓的尺寸重建集料颗粒三维立体尺寸；其中，所述集料颗粒三维立体尺寸包括最大长度尺寸、最大宽度尺寸和最大厚度尺寸；

S5：根据集料颗粒三维立体尺寸，筛选出针片状颗粒；

S6：计算针片状颗粒含量，具体包括：计算针片状颗粒质量与所有集料颗粒质量的百分比值，即可得到针片状颗粒含量。

2.根据权利要求1所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S2具体包括：S21：采用矩形掩膜对相同时刻采集到的集料下落图像左右两侧背景噪声进行筛除，得到感兴趣区；

S22：利用边缘查找函数bwperim，提取出感兴趣区中集料颗粒轮廓，得到集料颗粒的初始轮廓图像；

S23：利用高斯滤波函数对集料颗粒的初始轮廓图像进行平滑处理，得到集料颗粒的主轮廓图像；

S24：对主轮廓图像进行粘连区域识别和分割，得到分割粘连区域的图像，具体包括：S241：对集料颗粒的主轮廓图像中的集料颗粒轮廓进行轮廓链码标记与追踪，得到标记了粘连区域的集料颗粒轮廓图像；

S242：对粘连区域内的所有点进行凹点搜寻，得到分割粘连区域的图像；

S25：利用最小凸壳算法重建集料颗粒轮廓。

3.根据权利要求2所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S241包括步骤：S2411：在未遍历的主轮廓图像中集料颗粒轮廓线上的点中，选取纵坐标最小的点作为新的遍历起始点；其中，若存在至少2个纵坐标最小的点，则选取其中横坐标最小的点作为新的遍历起始点；

S2412：按照预设的遍历顺序，判断当前遍历点的未遍历的邻点中是否存在集料颗粒轮廓线上的点，若发现存在未遍历的邻点为集料颗粒轮廓线上的点，停止对当前遍历点的剩余邻点的遍历，进入步骤S2413；若当前遍历点的未遍历的邻点均不是集料颗粒轮廓线上的点，进入步骤S2414；其中，所述邻点为四连通邻域点或者八连通邻域点；所述预设的遍历顺序为：以当前遍历点的左邻点为起始点，顺时针方向遍历当前遍历点的邻点；

S2413：将该邻点进行标记，并将该邻点作为新的遍历点，返回步骤S2412；

S2414：判断是否存在未遍历的主轮廓图像中集料颗粒轮廓线上的点，若存在，则返回步骤S2411，若不存在，则得到标记了粘连区域的集料颗粒轮廓图像。

4.根据权利要求2所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S242包括步骤：S2421：初始化像素夹角余弦值的阈值为T；

S2422：筛选粘连区域中满足余弦值大于阈值T的像素点作为初始凹点；

S2423：采用DBSCAN噪声密度聚类算法对初始凹点进行聚类处理，得到聚类处理后的凹点；

S2424：采用最短路径的贪心算法，对聚类处理后的凹点进行匹配，得到分割粘连区域的图像。

5.根据权利要求3所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：步骤S2422中像素点的余弦值的计算公式为：其中，cosθ0表示当前像素点的余弦值；θ0表示当前像素点与前后像素点夹角；da0表示当前像素点与前像素点像素距离，db0表示当前像素点与后像素点像素距离；dab表示当前像素点的前像素点与后像素点像素距离；

所述da0的计算公式为：

所述db0的计算公式为：

所述dab的计算公式为：

其中，(x0,yo)表示当前像素点坐标，(xa,ya)表示当前像素点的前像素点坐标，(xb,yb)表示当前像素点的后像素点坐标。

6.根据权利要求4所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S2423包括步骤：S2423-1：初始化核心样本对象集合，其中，所述初始化的核心样本对象集合中的元素为初始凹点；初始化数量阈值S；初始化距离阈值L；

S2423-2：创建新的核心子集；

S2423-3：随机选取核心样本对象集合中未被归集到核心子集的一个元素作为基准元素，并将基准元素放入当前创建的核心子集中；

S2423-4：随机选取核心样本对象集合中未被归集到核心子集且在当前轮次的迭代中未被遍历的一个元素，计算该元素与基准元素的欧式距离，判断该欧式距离是否小于距离阈值L，若是，则进入步骤S2423-5，若否，则进入步骤S2423-7；

S2423-5：判断当前创建的核心子集中的元素数量是否大于或等于数量阈值S，若否，则进入步骤S2423-6；若是，则将当前创建的核心子集作为准核心子集，返回步骤S2423-2；

S2423-6：将该元素放入当前创建的核心子集中，并将该元素从核心样本对象集合中删除，返回步骤S2423-4；

S2423-7：判断核心样本对象集合中是否存在未被归集到核心子集且在当前轮次的迭代中未被遍历的一个元素，若存在，则返回步骤S2423-4，若不存在，则返回步骤S2423-2；

S2423-8：重复步骤S2423-2至S2423-7，直到核心样本对象集合为空集，保留准核心子集中的元素，删除其他核心子集中的元素，得到聚类处理后的凹点。

7.根据权利要求4所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S2424包括：采用最短路径的贪心算法，建立凹点匹配的优化数学模型，将聚类处理后的凹点带入优化数学模型进行求解，即可对聚类处理后的凹点进行匹配，得到分割粘连区域的图像；

所述优化数学模型包括以匹配成功的凹点像素距离总和最小的目标函数和相应的约束条件；所述目标函数的表达式为：其中，Z表示匹配成功的凹点像素距离总和；Si表示第i个凹点到其余凹点中心的最小像素距离；n表示聚类处理后的凹点总数量；

所述约束条件为：

其中，(xi,yi)和(xj,yj)分别表示第i个和第j个凹点像素坐标，Sij表示第i个凹点到j个凹点的像素距离；Si表示第i个凹点到其余凹点的最小像素距离。

8.根据权利要求2所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S25包括步骤：S251：随机选取分割粘连区域的图像中未被遍历的集料颗粒原始轮廓线，将该轮廓线中纵坐标最小的点作为基准点，将基准点分别同该集料颗粒轮廓线中的其他点用线段连接，计算各个线段与水平线的夹角；其中，若该轮廓线中存在至少两个纵坐标最小的点，将其中横坐标最小的点作为基准点；

S252：将该集料颗粒轮廓线中的其他点按照夹角从小到大的顺序排列，其中，若存在夹角相同的点，则夹角相同的点按照与基准点距离由近到远的顺序排列，并将基准点排列在该集料颗粒轮廓线中的其他点之前，得到排序后的点集；将基准点作为起始遍历点；

S253：判断排序后的点集中，是否存在未遍历的点，若存在，则将当前遍历点与在排序后的点集中排列在当前遍历点之后的下一点相连，组成一条线段；若不存在，则进入步骤S257；

S254：判断排序后的点集中其余的点是否在该线段的同一侧，若是，则进入步骤S255；

若否，则进入步骤S256；

S255：将排列在当前遍历点之后的下一点，作为新的当前遍历点，返回步骤S253；

S256：将该线段的末端点从排序后的点集中删去，更新排序后的点集，判断更新后的排序后的点集中，是否存在未遍历的点，若存在，将当前遍历点与更新排序后的点集中位于排列在当前遍历点之后的下一点相连，组成一条线段，返回步骤S254；若不存在，则进入步骤S257；

S257：结束遍历，得到最后的凸壳边界顶点集，将凸壳边界顶点集中的点按顺序依次连接，重建得到该集料颗粒轮廓；

S258：重复步骤S251至S257，直到分割粘连区域的图像中所有的集料颗粒原始轮廓线全部被遍历。

9.根据权利要求1所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S3中对步骤S2得到的重建集料颗粒轮廓图进行校正的公式为：其中，x表示集料的图测横向实际长度，y表示集料的图测纵向实际长度，f表示相机焦距，px表示集料颗粒轮廓的横向像素长度，py表示集料颗粒轮廓的纵向像素长度，dr表示第一径向变形参数，do表示第二径向变形参数，dx表示集料的图像横向像素精度，dy表示集料的图像纵向像素精度，zc表示双目相机与实际物体摄影距离，Δl表示像素补偿量。

10.根据权利要求1所述基于双目相机图像采集识别的针片状颗粒含量检测方法，其特征在于：所述步骤S5包括：将集料颗粒的最大长度尺寸、最大宽度尺寸和最大厚度尺寸进行大小比较，然后判断三个尺寸中选取其中值最大和值最小的尺寸的比值是否大于3，若大于

3，则该集料颗粒为针片状颗粒。