1.一种光学镜片打磨质量优化方法，其特征在于，包括：采集初始光学镜片的表面质量数据及成品镜片的表面质量数据，构建初始数据集；

对所述初始数据集进行预处理，去除严重缺陷的初始光学镜片，并得到标准数据集；

对所述标准数据集提取特征，构建自动化控制模型，得到打磨参数，并对不同区域进行划分制定相应的打磨策略，实时调整光学镜片打磨过程中需要调整的区域；所述打磨参数包括打磨镜片压力、打磨镜片速度、打磨模式和冷却液流量；

根据所述打磨参数对光学镜片进行打磨，并对打磨过程中的光学镜片进行实时监测，获得实时光学镜片的质量评分；

所述实时监测通过高分辨率摄像头实时捕捉光学镜片表面的图像，通过图像识别方法识别打磨过程中光学镜片表面的划痕、凹坑和裂纹；通过激光扫描测量光学镜片的表面粗糙度并与目标粗糙度进行比较，计算出偏差；

基于打磨过程中光学镜片的实时数据和预设的质量标准，自动生成每个镜片的实时光学镜片的质量评分；所述实时光学镜片的质量评分具体计算公式为：；

其中，为实时光学镜片的质量评分，为粗糙度评分的权重，为调节粗糙度偏差影响的敏感度参数，为目标粗糙度，为实测粗糙度，为缺陷评分的权重，为调节缺陷数量对评分影响的系数，为第类缺陷的数量，为其他质量维度评分的权重，为材料均匀性、光学性能测试质量维度的评分，为效率评分的权重，为打磨过程所需的时间，为调节能耗对效率评分影响的系数，为打磨过程中消耗的能量；

依据所述实时光学镜片的质量评分，设立预警机制；所述预警机制依据所述实时光学镜片的质量评分，将风险等级划分为两个等级，具体包括：高风险等级：；

低风险等级：；

其中，为质量评分阈值，。

2.根据权利要求1所述的一种光学镜片打磨质量优化方法，其特征在于：所述初始数据集中数据包括光学镜片的平均粗糙度、峰谷高度、均方根粗糙度、直径、厚度、曲率半径、材料属性、划痕、凹坑、裂纹和冷却液流量。

3.根据权利要求1所述的一种光学镜片打磨质量优化方法，其特征在于：具有所述严重缺陷的初始光学镜片的识别过程具体过程包括：对所述初始数据集中的数据进行缺失值检查，对具有缺失值的数据进行二次检查，得到第一初始数据集；

对所述第一初始数据集进行归一化处理，通过函数识别异常值；对于异常值对应的初始光学镜片进行去除；

对剩余数据进行归一化处理，获得所述标准数据集。

4.根据权利要求1所述的一种光学镜片打磨质量优化方法，其特征在于：所述提取特征用于在所述标准数据集中提取对打磨质量影响较大的特征，具体过程包括：对所述标准数据集中数据使用皮尔逊相关系数方法计算数据与打磨质量之间相关程度；

所述相关系数越大表明与所述打磨质量之间关联程度越高；通过所述相关系数获取标准特征向量组，建立自动化控制模型；

所述自动化控制模型包括预处理层、特征分析层和参数预测层；

所述预处理层包括数据清洗、标准化、归一化和缺失值处理；

所述特征分析层包括LSTM网络结构，用于对所述标准特征向量组进行分析，获取第一特征向量；

所述参数预测层包括四个输出神经元，每个所述输出神经元对应一个预测目标；所述预测目标包括打磨镜片压力、打磨镜片速度、打磨模式和冷却液流量；所述参数预测层用于根据所述标准特征向量组，对所述标准特征向量组中的参数进行预测，获取预测结果；

通过实时比较预测结果和实际参数，自动对打磨参数进行调整。

5.根据权利要求4所述的一种光学镜片打磨质量优化方法，其特征在于：所述自动化控制模型包括区域识别：基于经验规则，将初始光学镜片划分为不同区域，并基于所述自动化控制模型对不同区域制定相应的打磨策略；

基于线性调整算法，根据不同区域的表面粗糙度来调整打磨压力，具体公式为：；

其中，为调整后的打磨压力，为标准操作条件下设定的压力，为压力调整系数，为目标粗糙度，为实测粗糙度。

6.根据权利要求1所述的一种光学镜片打磨质量优化方法，其特征在于：当所述实时光学镜片的质量评分小于时，对应的风险等级为高风险等级；当所述实时光学镜片的质量评分大于等于时，对应的风险等级为低风险等级。

7.一种光学镜片打磨质量优化系统，其特征在于，包括：数据采集单元，用于采集初始光学镜片的表面质量数据及成品镜片的表面质量数据，构建初始数据集；

数据分析单元，用于对所述初始数据集进行预处理，去除严重缺陷的初始光学镜片，并得到标准数据集；

自动化控制单元，用于对所述标准数据集提取特征，构建自动化控制模型，得到打磨参数，并对不同区域进行划分制定相应的打磨策略，实时调整光学镜片打磨过程中需要调整的区域；所述打磨参数包括打磨镜片压力、打磨镜片速度、打磨模式和冷却液流量；

实时光学检测单元，用于根据所述打磨参数对光学镜片进行打磨，并对打磨过程中的光学镜片进行实时监测，获得实时光学镜片的质量评分；

所述实时监测通过高分辨率摄像头实时捕捉光学镜片表面的图像，通过图像识别方法识别打磨过程中光学镜片表面的划痕、凹坑和裂纹；通过激光扫描测量光学镜片的表面粗糙度并与目标粗糙度进行比较，计算出偏差；

基于打磨过程中光学镜片的实时数据和预设的质量标准，自动生成每个镜片的实时光学镜片的质量评分；所述实时光学镜片的质量评分具体计算公式为：；

其中，为实时光学镜片的质量评分，为粗糙度评分的权重，为调节粗糙度偏差影响的敏感度参数，为目标粗糙度，为实测粗糙度，为缺陷评分的权重，为调节缺陷数量对评分影响的系数，为第类缺陷的数量，为其他质量维度评分的权重，为材料均匀性、光学性能测试质量维度的评分，为效率评分的权重，为打磨过程所需的时间，为调节能耗对效率评分影响的系数，为打磨过程中消耗的能量；

预警单元，用于依据所述实时光学镜片的质量评分，设立预警机制；所述预警机制依据所述实时光学镜片的质量评分，将风险等级划分为两个等级，具体包括：高风险等级：；

低风险等级：；

其中，为质量评分阈值，。

8.根据权利要求7所述的一种光学镜片打磨质量优化系统，其特征在于：所述自动化控制单元包括区域识别：基于经验规则，将初始光学镜片划分为不同区域，并基于所述自动化控制模型对不同区域制定相应的打磨策略；

基于线性调整算法，根据不同区域的表面粗糙度来调整打磨压力，具体公式为：；

其中，为调整后的打磨压力，为标准操作条件下设定的压力，为压力调整系数，为目标粗糙度，为实测粗糙度。

9.根据权利要求7所述的一种光学镜片打磨质量优化系统，其特征在于：所述实时光学检测单元中所述实时监测通过高分辨率摄像头实时捕捉光学镜片表面的图像，通过图像识别方法识别打磨过程中光学镜片表面的划痕、凹坑和裂纹；通过激光扫描测量光学镜片的表面粗糙度并与目标粗糙度进行比较，计算出偏差；

基于打磨过程中光学镜片的实时数据和预设的质量标准，自动生成每个镜片的实时光学镜片的质量评分。