1.一种基于机器视觉的螺母缺陷检测方法，其特征在于，包括以下步骤：
分别获取待检测螺母的俯视图像、侧视图像和斜视图像；
对所述俯视图像进行二值化处理；提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷；
对所述侧视图像进行二值化处理；提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷；
对所述斜视图像进行二值化处理；提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷；
所述俯视图像、所述侧视图像和所述斜视图像，为当螺母水平放置时，分别从螺母的正上方、侧面和斜上方所拍摄的图像。
2.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述俯视图像进行二值化处理”，包括：
将所述俯视图像转化为灰度图像，通过高斯滤波消除灰度化后的噪点；
通过自适应二值化操作将降噪后的所述俯视图像转化为二值图像；
对二值图像进行闭运算，排除图像中的噪声。
3.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述侧视图像进行二值化处理”，包括：
对所述侧视图像进行灰度化和直方图均衡化，增强所述侧视图像的对比度；通过高斯滤波消除灰度化后的噪点；
通过OTSU自适应阈值法对图像进行二值化，前景为图像中的低灰度值区域；
对二值图像进行闭运算，排除图像中的噪声。
4.根据权利要求1所述的螺母缺陷检测方法，其特征在于，“对所述斜视图像进行二值化处理”，包括：
对所述斜视图像进行灰度化和直方图均衡化，增强所述斜视图像的对比度；通过高斯滤波消除灰度化后的噪点；
通过OTSU自适应阈值法对图像进行二值化，前景为图像中的高灰度值区域；
对二值图像进行闭运算，排除图像中的噪声。
5.根据权利要求2所述的螺母缺陷检测方法，其特征在于，
所述预设的俯视图像特征参数，包括：预设的螺母内圆最大半径值和预设的螺母内圆最小半径值；
“提取二值化后的所述俯视图像的特征参数，并将提取到的所述俯视图像的特征参数与预设的俯视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：
根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值；
将提取的该图像中所述螺母内圆的半径值，分别与预设的螺母内圆最大半径值和预设的螺母内圆最小半径值进行比较，判断待检测螺母是否存在内径过大或过小的缺陷。
6.根据权利要求5所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值”，包括：
根据二值化后的所述俯视图像，找到预设个数的位于螺母内圆上的点；
基于圆上任意两点的垂直平分线过圆心的性质，求出两条垂直平分线的交点，作为圆心候选点；重复执行，得到预设数量的所述圆心候选点；
丢弃离群的所述圆心候选点，求出剩余的所述圆心候选点的位置平均值，作为检测到的圆心坐标；
根据所述检测到的圆心坐标，以及找到的所述预设个数的位于螺母内圆上的点，分别计算所述检测到的圆心坐标与找到的螺母内圆上各点之间的距离，并求出所述距离的平均值，作为提取到的所述螺母内圆的半径值。
7.根据权利要求3所述的螺母缺陷检测方法，其特征在于，
所述预设的侧视图像特征参数，包括：预设的图像左边缘区域、预设的图像右边缘区域、预设的左右边界距离与图像宽度之比；
“提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：
根据二值化后的所述侧视图像，确定螺母在图像中的位置；
判断待检测螺母是否存在与其他螺母搭接的情况；
其中，
所述判断待检测螺母是否存在与其他螺母搭接的情况，具体为：
分别提取左、右边界在图像中的位置，并根据预设的图像左边缘区域和预设的图像右边缘区域，分别判断左边界是否位于所述预设的图像左边缘区域，右边界是否位于所述预设的图像右边缘区域；
若左边界位于所述预设的图像左边缘区域或右边界位于所述预设的图像右边缘区域，则计算左右边界之间的距离与图像宽度的比值，并判断所述比值是否大于预设的左右边界距离与图像宽度之比；若是，则认为待检测螺母存在与其他螺母搭接的情况。
8.根据权利要求7所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述侧视图像，确定螺母在图像中的位置”，包括：
统计二值化后的所述侧视图像中每一行的前景像素点个数，得到行投影向量；
统计二值化后的所述侧视图像中每一列的前景像素点个数，得到列投影向量；
分别查找所述行投影向量中像素值跃变位置、所述列投影向量中像素值跃变位置，进而确定待检测螺母在图像中的具体位置。
9.根据权利要求4所述的螺母缺陷检测方法，其特征在于，
所述预设的斜视图像特征参数，包括：预设的白色像素占比第三阈值；
“提取二值化后的所述斜视图像的特征参数，并将提取到的所述斜视图像的特征参数与预设的斜视图像特征参数进行比较，判断待检测螺母是否存在缺陷”，包括：
根据二值化后的所述斜视图像，计算内螺纹所在图像区域中白色像素的占比；
若所述内螺纹所在图像区域中白色像素的占比小于所述预设的白色像素占比第三阈值，则认为待检测螺母未开内螺纹。
10.根据权利要求9所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述斜视图像，计算所述内螺纹所在图像区域中白色像素的占比”，包括：
根据二值化后的所述斜视图像，确定螺母在图像中的位置；
根据螺母在图像中的位置，以及预设的内螺纹在螺母中的相对位置，截取内螺纹所在图像区域；
对截取的所述内螺纹所在图像区域进行闭运算，消除噪声点；
分别计算所述内螺纹所在图像区域中像素总个数和白色像素的个数，进而计算所述白色像素的个数与所述像素总个数之间的比值，得到所述内螺纹所在图像区域中白色像素的占比。
11.根据权利要求10所述的螺母缺陷检测方法，其特征在于，“根据二值化后的所述斜视图像，确定螺母在图像中的位置”，包括：
统计二值化后的所述斜视图像中每一行的前景像素点个数，得到行投影向量；
统计二值化后的所述斜视图像中每一列的前景像素点个数，得到列投影向量；
分别查找所述行投影向量中像素值跃变位置、所述列投影向量中像素值跃变位置，进而确定待检测螺母在图像中的具体位置。
12.根据权利要求5所述的螺母缺陷检测方法，其特征在于，
若合格螺母底端的内径大于顶端的内径，且顶端开有多个上槽，则所述预设的俯视图像特征参数，还包括：预设的半径差阈值，以及预设的半径增量l1、l2，且l2<l1；
在“判断待检测螺母是否存在内径过大或过小的缺陷”之后，还包括：
若待检测螺母存在内径过大的缺陷，则进一步判断待检测螺母是否上下倒置；所述上下倒置，为待检测螺母顶端向下底端向上，水平放置；
其中，
所述判断待检测螺母是否上下倒置，具体为：
计算提取到的所述螺母内圆的半径值r与所述预设的螺母内圆半径值之间的差值；
若计算得到的差值大于所述预设的半径差阈值，则在二值化后的所述俯视图像上取一个半径值在[r,r+l1]范围内的环形区域，令所述环形区域包括整个螺母的像素点；
对所述环形区域进行连通域分析，若至少存在一个前景连通域，且该前景连通域同时满足下述两个条件：
该前景连通域中的像素点在螺母的四个象限均有出现；
该前景连通域中所有前景像素点与圆心间的距离都大于r+l2；
则认为该待检测螺母上下倒置，否则为内径过大；
所述螺母的四个象限，指从圆心对图像进行水平和垂直切分得到的左上、右上、左下和右下四块图像区域。
13.根据权利要求7所述的螺母缺陷检测方法，其特征在于，若合格螺母的周向开有外槽，则所述预设的侧视图像特征参数，还包括：预设的第三截图高度、预设截图宽度、预设的白色像素点数量、预设的外槽数量；
在“判断待检测螺母是否存在与其他螺母搭接的情况”之后，还包括：
若待检测螺母不存在与其他螺母搭接的情况，则判断待检测螺母是否存在外槽数量不符合的缺陷；
其中，
所述判断待检测螺母是否存在外槽数量不符合的缺陷，具体为：
根据二值化后的所述侧视图像，提取左、右边界及下边界在图像中的位置；
根据提取的左、右边界及下边界在图像中的位置，在二值化前的所述侧视图像上，以下边界为底，以预设的第三截图高度为高，分别从左边界向右截取预设截图宽度的区域、从右边界向左截取预设截图宽度的区域，得到左边界区域的图像和右边界区域的图像；
分别对截取的两幅图像进行二值化和闭操作；
分别计算该两幅图像中，每个白色像素连通区域中白色像素点的数量；分别判断每个白色像素连通区域中白色像素点的数量是否大于预设的白色像素点数量，若是，则认为该白色像素连通区域为一个外槽；
若该两幅图像中，至少有一幅图像上检测到的外槽数量不等于预设的外槽数量时，则认为待检测螺母存在外槽数量不符合的缺陷。
14.根据权利要求13所述的螺母缺陷检测方法，其特征在于，
若合格螺母的顶端开有多个上槽，则所述预设的侧视图像特征参数，还包括：预设的第一截图高度、预设的白色像素占比第一阈值、预设的白色像素占比第二阈值；
在“判断待检测螺母是否存在外槽数量不符合的缺陷”之后，还包括：
若待检测螺母不存在外槽数量不符合的缺陷，则判断待检测螺母是否存在上槽切削过度的缺陷；
其中，
所述判断待检测螺母是否存在上槽切削过度的缺陷，具体为：
根据二值化后的所述侧视图像，提取螺母的左、右边界及上边界在图像中的位置；
以提取的螺母左、右边界为两个侧边，以上边界为顶边，从上往下截取预设的第一截图高度，得到截取的图像区域；
在截取的图像区域中，分别计算每个白色像素连通区域中白色像素点的数量；分别判断每个白色像素连通区域中白色像素点的数量是否大于预设的白色像素点数量，若是，则认为该白色像素连通区域为一个上槽；进而计算出截取的图像区域中上槽的数量N；
在截取的图像区域中，分别计算该区域中所有像素的总个数和白色像素的总个数，进而计算出白色像素的总个数与所有像素的总个数之比，作为该区域中白色像素的占比P；
若计算出的上槽数量N与白色像素的占比P满足下述条件：
则认为待检测螺母存在上槽切削过度的缺陷；
其中，P1、P2分别为所述预设的白色像素占比第一阈值、所述预设的白色像素占比第二阈值，且P1>P2。
15.根据权利要求1所述的螺母缺陷检测方法，其特征在于，
若合格螺母上开有多个上槽，则所述预设的俯视图像特征参数，包括：预设的螺母内圆最大半径值、预设的螺母内圆最小半径值，以及预设的半径增量l3、l4，且l4<l3；所述预设的侧视图像特征参数，包括：预设的第二截图高度，以及预设的白色像素占比第四阈值；
在“对所述侧视图像进行二值化处理；提取二值化后的所述侧视图像的特征参数，并将提取到的所述侧视图像的特征参数与预设的侧视图像特征参数进行比较，判断待检测螺母是否存在缺陷”之后，还包括：
根据二值化后的所述俯视图像，判断待检测螺母是否存在未开上槽或上槽开反的缺陷；
根据二值化后的所述侧视图像，进一步区分待检螺母是存在未开上槽还是上槽开反的缺陷；
其中，
“根据二值化后的所述俯视图像，判断待检测螺母是否存在未开上槽或上槽开反的缺陷”，具体为：
根据二值化后的所述俯视图像，提取该图像中螺母内圆的半径值r；
判断提取到的所述螺母内圆的半径值是否大于所述预设的螺母内圆最小半径值，且小于预设的螺母内圆最大半径值；若是，则在二值化后的所述俯视图像上取一个半径值在[r,r+l3]范围内的环形区域，令所述环形区域包括整个螺母的像素点；
对所述环形区域进行连通域分析，若至少存在一个前景连通域，且该前景连通域同时满足下述两个条件：
该前景连通域中的像素点在螺母的四个象限均有出现；
该前景连通域中所有前景像素点与圆心间的距离都大于r+l4；
则认为该待检测螺母存在未开上槽或上槽开反的缺陷；
所述螺母的四个象限，指从圆心对图像进行水平和垂直切分得到的左上、右上、左下和右下四块图像区域；
“根据二值化后的所述侧视图像，进一步区分待检螺母是存在未开上槽还是上槽开反的缺陷”，具体为：
根据二值化后的所述侧视图像，分别提取螺母的左、右边界及下边界在图像中的位置；
在二值化后的所述侧视图像中，以提取的螺母左、右边界为两个侧边，以下边界为底边，从下往上截取预设的第二截图高度，得到截取的图像区域；
计算所截取的图像区域中像素总个数和白色像素个数，进而计算白色像素个数和像素总个数的比值，得到所截取的图像区域中白色像素的占比；
当所得白色像素的占比大于所述预设的白色像素占比第四阈值时，认为待检测螺母上槽开反，否则认为待检测螺母未开上槽。
16.一种基于机器视觉的螺母缺陷检测装置，其特征在于，包括：传送设备、视觉采集单元、图像检测单元、螺母分类单元；
其中，
所述传送设备，用于放置并输送待检测螺母；每个待检测螺母独立且水平放置在所述传送设备上；
所述视觉采集单元，包括光电开关，以及分别设置于传送设备的正上方、侧面和斜上方三个相机；
所述光电开关，用于在检测到待检测螺母进入目标区域时，触发所述三个相机同时进行拍照；
所述三个相机，分别用于拍摄待检测螺母的俯视图像、侧视图像和斜视图像；
所述图像检测单元，用于接收所述三个相机所拍摄的俯视图像、侧视图像和斜视图像，并基于权利要求1-15中任一项所述的基于机器视觉的螺母缺陷检测方法，对待检测螺母进行缺陷检测；
所述螺母分类单元，用于根据所述图像检测单元的缺陷检测结果，对待检测螺母进行分类。
17.根据权利要求16所述的螺母缺陷检测装置，其特征在于，所述螺母分类单元将螺母分为：次品、废品、异常品，以及合格品；
所述次品，包括：未开上槽和未开内螺纹的螺母；
所述废品，包括：内径过大或过小、上槽开反，以及上槽切削过度的螺母；
所述异常品，包括：上下倒置、外槽数量不符，以及存在搭接问题的螺母；
所述合格品为检测结果符合要求的螺母。
18.根据权利要求16所述的螺母缺陷检测装置，其特征在于，还包括：白光源；
所述白光源，用于将待检测螺母照亮。
19.根据权利要求17所述的螺母缺陷检测装置，其特征在于，所述螺母分类单元包括：PLC、电机、三个机械推手、三个螺母容纳装置；
所述PLC，用于接收所述图像检测单元发来的检测结果，并根据所述检测结果控制电机动作；
所述电机，根据所述PLC的指令驱动所述三个机械推手；
所述三个螺母容纳装置，分别用于容纳废品、次品和异常品；
所述三个机械推手，与所述三个螺母容纳装置一一对应，在所述电机的驱动下将废品、次品或异常品推入对应的螺母容纳装置。