1.一种基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：其包括以下步骤：步骤S1、利用检测设备在不同光源下对所述陶瓷产品进行拍照，获得白色、红色和黄色光源下的图像信息并对图像进行预处理，得到白色光源下图片、红色光源下图片以及黄色光源下图片；

步骤S2、识别斑点边缘的候选初始点，候选初始点具有一个或多个，具体包括以下子步骤：

S21、确定黑色斑点边缘条纹相关联的候选初始点：从起始点开始遍历所有像素点，在遍历所有像素点过程中，将每一个当前像素点的像素值P1与设定定位值PH做比较，若P1值与设定定位值PH之间差值处于差值阈值内，并且P1值位于PHH和PHL之间，则将该像素点记为黑色斑点边缘高点QH，进一步将每一个黑色斑点边缘高点QH的像素位置按八个方向分别移动，第一次移动距离为 像素距离，接着每次移动距离为1像素距离，直到移动到距黑色斑点边缘高点QH距离为WW的终点为止，如果检测到当前像素点的像素值P1小于设定的黑色斑点边缘定位值PL，则将该多个像素点的终点位置记为黑色斑点边缘低点QL，计算每一个像素点QL到QH的黑色边缘斜率k：其中，k为QL到QH的黑色边缘斜率，s为QL到QH的距离，(xH,yH)为QH点坐标，(xL,yL)为QL点坐标，WW的大小为QH到QL距离的1.5倍，PHH和PHL的值由理想边缘曲线确定，八个方向分别为

0°、45°、90°、135°、180°、225°、270°、305°；

当某个像素点的黑色边缘斜率k值处于系统设定的黑色边缘斜率区间[KBH,KBL]内时，则将该像素点定义为黑色边缘初始点P2，理想黑色边缘斜率KBI介于[KBH,KBL]之间，KBL介于KBI和KYI之间，其中，KBH为黑色边缘斜率区间的高点，KBL为黑色边缘斜率区间的低点，KBI为理想黑色边缘斜率，KYI为理想黄色边缘斜率；

S22、当像素点不为黑色斑点边缘相关联的候选初始点时，确定该点是否为红色斑点边缘或黄色斑点边缘相关联的候选初始点；

S221、在遍历所有像素点过程中，当识别到黑色斑点边缘高点QH但是未识别到黑色斑点边缘低点QL时，记录黑色斑点边缘高点QH位置，并且分别对红色光源和黄色光源下图像以同样位置为中心进行一定范围内的标准差计算，识别红色或黄色斑点的边缘初始点；

S222、确定红色斑点边缘相关联的候选初始点：以黑色边缘高点QH为起始点，将该像素点的像素位置按八个方向分别移动，第一次移动距离为 接着每次移动距离为1，直到移动到距起始点距离为WW的终点为止，当检测到当前像素点像素值P1小于设定的红色斑点边缘定位值PRL,则将该点记为红色斑点边缘低点QRL,计算QRL到QH的红色边缘斜率kR，当红色边缘斜率kR值处于红色边缘斜率区间[KRH,KRL]内时，则将当前像素点定义为红色边缘初始点P2R，理想红色边缘斜率KRI介于[KRH,KRL]之间，KRL介于KYH和KRI之间，其中，KRH为红色边缘斜率区间的高点，KRL为红色边缘斜率区间的低点，KRI为理想红色边缘斜率，KYH为黄色边缘斜率区间的高点；

S223、确定黄色斑点边缘相关联的候选初始点：以黑色边缘高点QH为起始点，将像素位置按八个方向分别移动，第一次移动距离为接着每次移动距离为1，直到移动到距起始点距离为WW的终点为止，当检测到当前像素点像素值P1小于设定黄色斑点边缘定位值PYL,则将该点记为黄色斑点边缘低点QYL,计算QYL到QH的黄色边缘斜率kY，当黄色边缘斜率kY值处于黄色边缘斜率区间[KYH,KYL]内时，则将当前像素点定义为红色边缘初始点P2Y，理想黄色边缘斜率KYI介于[KYH,KYL]之间，KYL介于KYI和KRH之间，KYH介于KYI和KBL之间，其中KYL为黄色边缘斜率区间的高点、KYL为黄色边缘斜率区间的低点、KYI为理想黄色边缘斜率；

步骤S221中一定范围为以黑色斑点边缘高点QH点坐标(xH,yH)为中心，在范围大小为WW*WW的矩形内计算平均差如下：

其中，C1为矩形内灰度平均值，C为范围内标准差，Pxy为(x，y)处灰度值，Cb的值的确定由白色光源下理想黑色斑点边缘在WW*WW的范围内计算得到，Cy的值的确定由黄色光源下理想黄色斑点边缘在WW*WW的范围内计算得到，Cr的值的确定由红色光源下理想红色斑点边缘在WW*WW的范围内计算得到，当黑色图像下标准差Cb大于黄色图像下标准差Cy大于红色图像下标准差Cr，且红色图像下标准差明显变小时，进一步通过红色斑点边缘低点QRL和红色边缘斜率区间[KRH,KRL]确定红色斑点边缘初始点PR2；

步骤S3、通过边缘检测模型确定粗边缘点及边缘颜色，具体包括以下子步骤：S31、确定黑色边缘粗边缘点及边缘颜色：识别步骤S2中所有黑色边缘初始点P2，对每一个黑色边缘初始点P2，以P2到QL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判断值CP，若范围内某个像素点的边缘中点判断值CP小于边缘判断阈值差值T，则当前像素点为边缘中点且P2点为黑色粗边缘点；

S32、确定红色边缘的粗边缘点及边缘颜色：识别步骤S2中红色边缘初始点P2R，对每一个红色边缘初始点P2R，以P2R到QRL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判断值CPR，若范围内某个像素点的边缘中点判断值CPR小于边缘判断阈值差值TR，则当前像素点为红色边缘中点且P2R点为红色斑点粗边缘点；

S33、确定黄色边缘的粗边缘点及边缘颜色：识别步骤S2中黄色边缘初始点P2Y，对每一个黄色边缘初始点P2Y，以P2Y到QYL为范围，对范围内所有像素点在大小为WW*WW矩形范围内与粗边缘点确定矩阵进行内积运算，得到多个像素点的边缘中点判断值CPY，若范围内某个像素点的边缘中点判断值CP小于边缘判断阈值差值TY，则当前像素点为黄色边缘中点且P2Y点为黄色斑点粗边缘点；

步骤S4、基于反正切函数的亚像素表面斑点边缘检测，分别确定黑色斑点直径、红色斑点直径以及黄色斑点直径，具体步骤如下：S41、获取黑色斑点直径：

S411、根据步骤S3中确定的黑色粗边缘点P2、边缘中点和某方向的粗边缘点确定矩阵，以边缘中点为中点取一列该方向的边缘区域向量的灰度值将该方向内WW个像素进行反正切函数拟合，拟合函数形式为：

y＝a1arctan(a2x+a3)+a4拟合得到模型中参数为a1,a2,a3,a4，根据实际陶瓷表面斑点边缘可见位置确定黑色斑点边缘的亚像素边缘点位置R；

S412、计算各边缘点之间距离，其中边缘点间的最大距离为斑点直径，D为黑色斑点直径，(xi,yi)、(xj,yj)为R位置；

S42、获取红色斑点直径和黄色斑点直径：利用上述方法分别确定红色和黄色斑点边缘的亚像素边缘，分别以红色边缘中点和黄色边缘中点为中点取一列该方向的边缘区域向量的灰度值将该方向内WW个像素进行反正切函数拟合，根据上述方法确定红色斑点直径DR以及黄色斑点直径DY；

S5、对步骤S4得到的黑色斑点直径、红色斑点直径以及黄色斑点直径进行判断，当黑色斑点直径、红色斑点直径或黄色斑点直径大于设定的斑点阈值时，则判断该陶瓷产品为不合格。

2.根据权利要求1所述的基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：粗边缘点确定矩阵的选择以步骤S1中八个方向为参考，对该方向和附近两个方向的矩阵进行内积运算，步骤S31中，以15度为间隔在0到360度之间提供24个粗边缘点确定矩阵，分别为

0°、15°、30°、45°、60°、75°直到345°，若步骤S1中方向为0度，则分别对0度、15度和345度粗边缘点确定矩阵进行点乘运算；

由理想边缘灰度图确定不同角度的粗边缘点矩阵，PIZ为理想黑色斑点边缘灰度值中点,0度方向的理想边缘灰度值如下：

则0度方向的粗边缘点确定矩阵MC为：则边缘中点判断值CP为：

其中，Cp为边缘中点判断值，Pxy为(x，y)处灰度值。

3.根据权利要求1所述的基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：理想黑色边缘斜率KBI为7.8，理想黄色边缘斜率KYI为6.2，理想红色边缘斜率KRI为4.4，其中WW取17，则可取黑色边缘斜率区间[7,8.6]，红色边缘斜率区间[3.5,5.3]，黄色边缘斜率区间[5.3,7]。

4.根据权利要求1所述的基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：T、TR、TY的值由不同颜色斑点边缘识别的灰度可接受范围w确定，其中，黑色斑点范围w为10，红色和黄色斑点范围w为15。

5.根据权利要求1所述的基于机器视觉的陶瓷产品表面斑点检测方法，其特征在于：步骤S1具体为：

将陶瓷产品放置于检测板的初始位置上，激光传感器检测到陶瓷之后，工业CCD相机在固定白色光源下拍摄第一张照片；在固定红色光源下拍摄第二张照片；在固定黄色光源下拍摄第三张照片，对图像进行预处理后将图像保存为灰度图像。

6.一种用于权利要求1所述的基于机器视觉的陶瓷产品表面斑点检测方法的检测设备，其特征在于：所述检测设备包括基座、支撑柱以及监测终端，所述基座包括导轨、传动机构、检测板以及激光传感器，所述检测板借助于导轮放置在导轨上，所述传动机构能够驱动所述导轨移动从而带动所述检测板移动，所述激光传感器设置在导轨上；

所述支撑柱的下端固定在所述基座上，所述支撑柱的上端固定所述监测终端；

所述监测终端包括固定板、白色光源、红色光源、黄色光源、工业CCD相机以及控制终端，所述固定板固定在所述支撑柱上，所述白色光源、红色光源、黄色光源以及工业CCD相机均固定在所述固定板的下方，所述控制终端固定在所述固定板的上方。