1.一种单晶硅光伏电池裂纹缺陷的检测方法，其特征在于，包括以下步骤：步骤1，对获取的无缺陷单晶硅光伏电池图像依次进行形态学开操作和同态滤波处理，得到样本图像；

步骤2，对步骤1中得到的样本图像进行边缘点提取，得到多个边缘点；

步骤3，对步骤2中得到的每个边缘点进行特征提取，得到每个边缘点对应的一组特征向量；

步骤4，对步骤3中得到的多组特征向量进行极值聚类，得到聚类结果；

将聚类结果中每类包含的所有特征向量的平均值作为该类的聚类中心；

步骤5，计算步骤4中得到的每类中的每个边缘点到该聚类中心的欧氏距离，根据该欧氏距离计算该聚类对应的距离阈值；

步骤6，对获取的待检测图像执行步骤1至步骤3，得到待检测图像对应的多组特征向量；

步骤7，计算步骤6中得到的每组特征向量分别与步骤4中样本图像对应的所有聚类中心之间的欧氏距离，得到多个欧氏距离值；

将得到的每个欧氏距离值分别与步骤5中得到的所有距离阈值进行比对，根据比对结果判定每组特征向量对应的边缘点的类型；

步骤8，根据步骤7中得到的每个边缘点的类型，标注得到待检测图像的缺陷部分；

步骤3，对步骤2中得到的每个边缘点进行特征提取，具体方法是：利用改进的Haar‑like对步骤3中提取到的每个边缘点进行特征提取，得到每个边缘点对应的一组特征向量；

所述改进的Haar‑like的表达式为：

其中，E(x,y)是边缘点(x,y)处的梯度幅值；F(x,y)是边缘点(x,y)处改进的Haar‑like特征值；WWhite和Wblack均为权值；

步骤7中，根据比对结果判定每组特征向量对应的边缘点的类型，具体方法是：若该欧氏距离值大于每个距离阈值，则记该组特征向量对应的边缘点为缺陷点，反之为非缺陷点；

步骤8中，根据步骤7中得到的每个边缘点的类型，标注得到待检测图像的缺陷部分，具体方法是：采用形态学闭操作将所有标记的缺陷点进行连接，最终得到该待检测图像中的缺陷部分。

2.根据权利要求1所述的一种单晶硅光伏电池裂纹缺陷的检测方法，其特征在于，步骤

2中，对步骤1中得到的样本图像进行边缘点提取，具体方法是：利用Canny边缘检测算子对步骤1中得到的样本图像进行边缘点的提取，得到多个边缘点。

3.根据权利要求1所述的一种单晶硅光伏电池裂纹缺陷的检测方法，其特征在于，步骤

5中，根据该欧氏距离计算该聚类对应的距离阈值，具体方法是：根据每类中的每个边缘点到该聚类中心的欧氏距离，计算该类所有欧氏距离的平均值和标准差；

根据得到的平均值和标准差结合下式计算每类对应的距离阈值：Tc＝μc+t·σc,t＞0,c＝1,2,...,C其中，Tc为第c类的距离阈值；μc为第c类距离的平均值；σc为第c类距离的标准差；t为阈值参数。

4.一种单晶硅光伏电池裂纹缺陷的检测系统，其特征在于，该系统能够执行权利要求1至权利要求3中任一项所述的一种单晶硅光伏电池裂纹缺陷的检测方法，包括数据采集模块、特征提取模块、数据处理模块、数据分析模块、数据判断模块和数据输出模块，其中：数据采集模块用于对获取的无缺陷单晶硅光伏电池图像和待检测图像分别依次进行形态学开操作和同态滤波处理，分别得到样本图像和处理后的待检测图像；

特征提取模块用于分别对得到的样本图像和处理后的待检测图像进行边缘点的提取处理，分别得到样本图像对应的多个边缘点和处理后的待检测图像对应的多个边缘点；并对每个边缘点进行特征提取，得到每个边缘点对应的一组特征向量；

数据处理模块用于对得到的多组特征向量进行极值聚类处理，得到聚类结果，聚类的类数可以根据选取的参数计算得到；

将聚类结果中每类包含的所有特征向量的平均值作为该类的聚类中心；

数据分析模块用于计算得到的每类中的每个边缘点到该聚类中心的欧氏距离，根据该欧氏距离计算该类对应的距离阈值；

同时，用于计算待检测图像对应的每组特征向量分别与样本图像对应的所有聚类中心之间的欧氏距离，得到多个欧氏距离值；

数据判断模块用于将待检测图像对应的每个欧氏距离值分别与样本图像对应的所有距离阈值进行比对，根据比对结果判定每组特征向量对应的边缘点的类型；

数据输出模块用于根据得到的每个边缘点的类型，标注得到待检测图像的缺陷部分。