1.一种基于人工智能的轨道式机器人防卡死检测方法，其特征在于，该检测方法包括以下步骤：
获取光伏电池板roi区域的图像，所述roi区域的图像中包括所述光伏电池板的边缘图像；
将所述roi区域的图像输入语义分割网络模型，输出所述roi区域的分割结果图，所述分割结果图包括光伏电池板外部边缘框、光伏电池板内部区域和背景；
从所述分割结果图中获取所述光伏电池板边缘框的二值图像，根据所述二值图像中的白色像素点判断所述第一光伏电池板的第一纵向边缘框并计算第一纵向边缘线的直线方程，在检测到与所述第一纵向边缘框垂直的边缘框时，判断所述边缘框为第一横向边缘框，根据所述第一横向边缘框判断第二光伏电池板的第二横向边缘框；
计算所述第一横向边缘框与所述第二横向边缘框之间的最大缝隙宽度，并与通过红外测距传感器得到的测量缝隙宽度求平均值得到缝隙宽度，当所述缝隙宽度大于缝隙阈值时，轨道式清洁机器人返航；
通过所述二值图像中所述第一光伏电池板的第一角点坐标和与所述第一角点坐标相邻的所述第二光伏电池板的第二角点坐标计算视觉落差高度，并与通过所述红外测距传感器得到的测量落差高度求平均值，得到落差高度，当所述落差高度大于高度阈值时，所述轨道式清洁机器人返航。
2.根据权利要求1的一种基于人工智能的轨道式机器人防卡死检测方法，其特征在于，所述计算第一纵向边缘线的直线方程的步骤包括：
计算每行所述白色像素点的中心位置；
根据所述中心位置，判断各行所述白色像素点是否为线性关系；
在判断结果为线性关系时，计算所述第一纵向边缘线的直线方程。
3.根据权利要求1的一种基于人工智能的轨道式机器人防卡死检测方法，其特征在于，所述最大缝隙宽度的计算步骤包括：
检测所述第一横向边缘框与所述第二横向边缘框之间的最大缝隙，获取所述最大缝隙所对应的黑色像素点的数量；
根据所述黑色像素点的数量，计算所述最大缝隙宽度。
4.根据权利要求1的一种基于人工智能的轨道式机器人防卡死检测方法，其特征在于，所述第一角点坐标为所述第一光伏电池板中横坐标最小且纵坐标最大所对应的坐标，与所述第一角点坐标相邻的所述第二角点坐标为所述第二光伏电池板中横坐标最小纵坐标最小所对应的坐标；
或者，所述第一角点坐标为所述第一光伏电池板中横坐标最大纵坐标最大所对应的坐标，与所述第一角点坐标相邻的所述第二角点坐标为所述第二光伏电池板中横向坐标最大纵向坐标最小所对应的坐标。
5.一种基于人工智能的轨道式机器人防卡死检测装置，其特征在于，该检测装置包括：
图像获取模块，用于获取光伏电池板roi区域的图像，所述roi区域的图像中包括所述光伏电池板的边缘图像；
语义分割模块，用于将所述roi区域的图像输入语义分割网络模型，输出所述roi区域的分割结果图，所述分割结果图包括光伏电池板外部边缘框、光伏电池板内部区域和背景；
边缘框检测模块，用于从所述分割结果图中获取所述光伏电池板边缘框的二值图像，根据所述二值图像中的白色像素点判断所述第一光伏电池板的第一纵向边缘框并计算第一纵向边缘线的直方程，在检测到与所述第一纵向边缘框垂直的边缘框时，判断所述边缘框为第一横向边缘框，根据所述第一横向边缘框判断第二光伏电池板的第二横向边缘框；
缝隙宽度判断模块，用于计算所述第一横向边缘框与所述第二横向边缘框之间的最大缝隙宽度，并与通过红外测距传感器得到的测量缝隙宽度求平均值得到缝隙宽度，当所述缝隙宽度大于缝隙阈值时，轨道式清洁机器人返航；
落差高度判断模块，用于通过所述二值图像中所述第一光伏电池板的第一角点坐标和与所述第一角点坐标相邻的所述第二光伏电池板的第二角点坐标计算视觉落差高度，并与通过所述红外测距传感器得到的测量落差高度求平均值，得到落差高度，当所述落差高度大于高度阈值时，所述轨道式清洁机器人返航。
6.根据权利要求5的一种基于人工智能的轨道式机器人防卡死检测装置，其特征在于，所述边缘框检测模块包括第一纵向边缘线判断模块，所述第一纵向边缘线判断模块包括：
中心位置计算单元，用于计算每行白色像素点的中心位置；
线性判断单元，用于根据所述中心位置，判断各行所述白色像素点是否为线性关系；以及
方程计算单元，用于在判断结果为线性关系时，计算所述第一纵向边缘线的直线方程。
7.根据权利要求5的一种基于人工智能的轨道式机器人防卡死检测装置，其特征在于，所述缝隙宽度判断模块包括最大缝隙宽度模块，所述最大缝隙宽度模块包括：
黑色像素点数量获取模块，用于检测所述第一横向边缘框与所述第二横向边缘框之间的最大缝隙，获取所述最大缝隙所对应的黑色像素点的数量；以及
最大缝隙宽度计算模块，用于根据所述黑色像素点的数量，计算所述最大缝隙宽度。