1.一种带钢缺陷智能检测方法，其特征在于，包括：

步骤一：获取带钢表面灰度图像的第二灰度直方图：

获取光照均匀下的带钢表面灰度图像和带钢表面灰度图像的第一灰度直方图；

根据带钢表面灰度图像中每个像素点的灰度值以及第一灰度直方图得到第一灰度直方图中每个灰度值的变换指标值；

利用第一灰度直方图每个灰度值频数直方图变换的变换指标值计算各灰度值变换后的频数，根据各灰度值变换后的频数得到带钢表面灰度图像的第二灰度直方图；

所述每个灰度值的变换指标值的获取方法如下：

分别获取第一灰度直方图中灰度值的最大灰度值和最小灰度值；

计算第一灰度直方图中每个灰度值与最大灰度值的最大差值绝对值，将该最大差值绝对值作为该灰度值的最大灰度值差值；

计算第一灰度直方图中每个灰度值与最小灰度值的最小差值绝对值，将该最小差值绝对值作为该灰度值的最小灰度值差值；

将该灰度值的最大灰度值差值与最小灰度值差值之差作为该灰度值的变换指标值，根据此方法得到第一灰度直方图中每个灰度值的变换指标值；

步骤二：获取不同模糊窗口的窗宽对应的带钢表面灰度图像的模糊度：S201：设置初始模糊窗口的窗宽，根据带钢表面灰度图像的第二灰度直方图中的灰度值设置S型隶属度函数参数；

S202：根据隶属度参数与模糊窗口的窗宽确定分割阈值参考指标，所述分割阈值参考指标即第二灰度直方图中的灰度值频数，根据S型隶属度函数参数与分割阈值参考指标构建S型隶属度函数；

S203：根据第二灰度直方图中每个灰度值频数与隶属度，以及带钢表面灰度图像的大小计算带钢表面灰度图像的模糊度；

S204：在模糊窗口的窗宽的取值范围中调整S型隶属度函数中模糊窗口的窗宽得到调整后的分割阈值参考指标，根据调整后的分割阈值重复S202‑S203得到不同分割阈值参考指标对应的模糊度；

步骤三：获取带钢表面灰度图像的最大模糊度对应的分割阈值参考指标，将该分割阈值参考指标对应的第二灰度直方图中的灰度值作为分割阈值；

步骤四：根据分割阈值对带钢表面灰度图像进行阈值分割得到麻点区域；

所述计算带钢表面灰度图像的模糊度的过程如下：

根据S型隶属度函数中每个灰度值的隶属度计算目标隶属度或背景隶属度的最小值，根据每个灰度值以及目标隶属度或背景隶属度的最小值计算带钢表面灰度图像的模糊度，计算公式如下：式中： 表示带钢表面灰度图像的模糊度， 为带钢表面灰度图像的尺寸，Hk表示带钢表面灰度图像的第二灰度直方图中的第k个灰度值频数， 表示第k个灰度值频数目标隶属度或背景隶属度的最小值，L表示不同灰度值的数量，即灰度值的种类。

2.根据权利要求1所述的一种带钢缺陷智能检测方法，其特征在于，所述根据S型隶属度函数参数与分割阈值参考指标构建S型隶属度函数的表达式如下：式中： 为第二灰度直方图对应的S型隶属度函数，即灰度值频数Hk的隶属度，Hk表示带钢表面灰度图像的第二灰度直方图中的第k个灰度值频数，a、c为的S型隶属度函数的参数，根据带钢表面灰度图像的灰度值确定，b表示分割阈值参考指标。

3.根据权利要求1所述的一种带钢缺陷智能检测方法，其特征在于，所述目标隶属度或背景隶属度的最小值的计算方法为：获取S型隶属度函数中每个灰度值的隶属度，并计算数值1和该灰度值的隶属度的差值作为背景隶属度，选择该灰度值的隶属度与背景隶属度中最小的值作为该灰度值对应的目标隶属度或背景隶属度的最小值；

根据上述方法得到每个灰度值对应的目标隶属度或背景隶属度的最小值。

4.根据权利要求1所述的一种带钢缺陷智能检测方法，其特征在于，所述变换后各灰度值频数的计算方法如下：获取第一灰度直方图中每个灰度值频数以及该灰度值对应的变换指标值，根据每个灰度值的变换指标值以及该灰度值对应的像素点数量设置该灰度值的权重值；

将该灰度值频数、该灰度值对应的变换指标值以及该灰度值的权重值之积作为该灰度值变换后的频数；

根据上述方法得到每个灰度值变换后的频数。

5.根据权利要求4所述的一种带钢缺陷智能检测方法，其特征在于，所述灰度值的权重值的计算公式如下：获取带钢表面灰度图像中所有像素点的灰度值均值作为带钢表面灰度图像的灰度值均值，计算带钢表面灰度图像的第二灰度直方图中每个灰度值与带钢表面灰度图像的灰度值均值的差值绝对值；

获取每个灰度值对应的所有像素点的梯度值，计算该灰度值对应的所有像素点的梯度值均值作为该灰度值的梯度值均值；

将得到的该灰度值的梯度值均值与带钢表面灰度图像的灰度值均值的差值绝对值之积作为该灰度值的权重值；

根据上述方法得到带钢表面灰度图像的第二灰度直方图中每个灰度值对应的权重值。