1.一种铝型材瑕疵检测方法，其特征在于，所述方法包括：S1对获取到的全部铝型材图像进行预处理，以达到图像增强和去除噪声的效果；

S2对预处理后的铝型材图像应用基于纹理特征的方法提取特征，得到特征数据集；

S3将特征数据集随机分成T份，其中1份作为测试集，剩下的T‑1份作为训练集；

S4构造并利用训练集训练二进制随机漂移粒子群‑随机森林BRDPSO‑RF模型，以得出最优特征子集和最佳随机森林RF分类器参数；

S5以S4得出的最优特征子集作为特征子集，并应用最佳随机森林RF分类器参数构建随机森林RF模型，对铝型材测试集进行瑕疵检测；

所述S4包括：

4.1设粒子群参数部分为5维，设提取到的特征向量为n维，则粒子群的整体搜索空间设为D＝5+n；设粒子的个数为M，最大迭代次数为Max_iter；

初始时刻，粒子i的位置为 其中前5维用十进制表示，后n维用二进制位串表示，同时并置Pbesti(0)＝Xi(0)，其中Pbest是粒子个体最好位置；

4.2使用Pbest计算粒子群的平均最好位置Mbest；

4.3基于特定的特征选择方法适应度函数f为：其中，wa是分类精度权重，wf是特征子集权重，且满足wa+wf＝1；Accuracy是随机森林分类准确度，ones是在特征子集中挑选出的特征数目，all是全部的特征数目；

根据适应度函数求得每个粒子的适应值；

4.4粒子个体最优位置更新方式如下：粒子全局最优位置更新方式如下：

Gbest(t+1)＝Pbestg(t+1)             (5)

4.5计算局部吸引子

在第t次迭代，对于粒子的前5维使用下式计算吸引子pi,j，j＝1,…,5：pi,j(t+1)＝r*Pbesti,j(t+1)+(1‑r)*Gbest(t+1)        (6)其中，r是服从均匀分布的随机数，即r～U(0,1)；

4.6更新粒子的速度及位置

粒子速度Vi,j的迭代更新方程式为：Vi,j(t+1)＝α*|Mbestj(t+1)‑Xi,j(t)|*r+β*(pi,j(t+1)‑Xi,j(t))      (7)其中，α和β分别是漂移系数和热系数，0.5≤α≤1,1.5≤β≤3，r是服从正态分布的随机数，即r～N(0,1)；j＝1,…,D；

4.7重复(4.2)～(4.6)，直到迭代次数t达到最大迭代次数Max_iter，得到最终的Gbest；

Gbest的前5维为最佳的RF参数组合，后n维是最优特征子集，其中“1”表示选择此特征，“0”表示不选此特征；

4.8输出最优特征子集和最佳的RF参数；

所述4.5计算局部吸引子过程中：对于后n维的吸引子pi,j利用遗传算法的交叉操作计算，j＝6,…,D；

首先，随机将Pbesti和Gbest划分为K个部分，再交叉生成两条新的子代，最后从两条子代中随机挑选一条作为吸引子pi；

Pbesti和Gbest均由10位二进制串组成；随机将Pbesti和Gbest划分为4部分，要求每一部分至少有2位二进制串，且最多不超过3位；

再交叉生成pi1和pi2，其中，pi1的前两位来自Gbest，第2～4位来自Pbesti，第5～7位来自Gbest，最后两位来自Pbesti；pi2的前两位来自Pbesti，第2～4位来自Gbest，第5～7位来自Pbesti，最后两位来自Gbest；最后从pi1和pi2中随机选择一条作为吸引子pi；

所述4.6更新粒子的速度及位置，包括：对于粒子位置而言，前5维和后n维使用不同的方法更新；

前5维的粒子位置Xi,j(j＝1,…,5)的更新方程式为：Xi,j(t+1)＝Xi,j(t)+Vi,j(t+1)        (8)后n维的粒子位置Xi,j(j＝6,…,D)的更新方式为：其中，r是服从均匀分布的随机数，即r～U(0,1)。

2.根据权利要求1所述的方法，其特征在于，所述粒子群参数部分包括：森林中决策树的数目n_estimators、单个决策树使用特征的最大数量max_features、决策树的最大深度max_depth、分割内部节点所需要的最小样本数min_samples_split和叶子结点上的最小样本数min_samples_leaf。

3.根据权利要求2所述的方法，其特征在于，所述4.2使用Pbest计算粒子群的平均最好位置Mbest，包括：

Mbest的前5维，即j＝1,…,5，Mbestj的计算公式为：Mbest的后n维，即j＝6,…,D，Mbestj根据粒子个体最好位置Pbest的二进制对应位串信息进行更新；

通过统计群体中粒子二进制编码的每一位出现0和1的概率的大小，出现0的次数多，则粒子群的平均最好位置Mbest对应的为0；反之，则为1；如果对应位中出现的0和1的次数相同，则Mbest随机选择为0或1。

4.根据权利要求1‑3任一所述的方法，其特征在于，所述S1对获取到的全部铝型材图像进行预处理，包括：采用图像灰度化、直方图均衡化、中值滤波以及同态滤波技术对图像进行预处理。

5.根据权利要求4所述的方法，其特征在于，所述S2中基于纹理特征的方法，包括灰度共生矩阵、局部二值模式LBP、自相关函数、马尔可夫随机场MRF模型法和小波变换。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括，在对铝型材测试集进行瑕疵检测完成后应用所构建的RF对待检测的铝型材进行瑕疵检测。

7.根据权利要求6所述的方法，其特征在于，所述S1获取到的全部铝型材图像采用分辨率不低于2560×1440的相机获取。