1.低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，具体步骤如下：
步骤一、采用工业相机对皮带进行拍照取样；
步骤二、确定拍摄图片内的干扰区域，将干扰区域内的各个顶点按顺序使用直线相连，构成所需的填充区域，对填充区域进行颜色填充；
步骤三、对拍摄图片的皮带图像上端两顶点拉伸至图片的两个上端点，对拍摄图片的皮带图像下端两端点拉伸至图片的两个下端点，皮带图像铺满整个拍摄图片；
步骤四、调整步骤三中处理后图像的局部对比度，削弱局部图像的对比度过度增强，抑制噪声信号的放大，并为图片匹配颜色对比度阙值limit；
步骤五：对图片进行自适应均衡化。
2.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，在步骤二中，使用fillpoly函数对填充区域进行黑色填充。
3.根据权利要求2所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，使用cv2.fillpoly(frame,[triangleleft,triangleright],(0,0,0))函数对填充区域进行颜色填充；
其中，frame表示将要修改的图片；第二参数为列表，列表中每个元素为一个numpy类型的序列，标识需要填图区域的顶点，填充区域会将顶点按顺序使用直线相连，构成所需要的填充区域；第三参数标识填充的颜色值，fillpoly函数将皮带以外的填充区域填充为黑色。
4.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，在步骤三中，使用getperspectivetransform函数对拍摄图片进行透视变换。
5.根据权利要求4所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，使用opencv库的m＝cv2.getperspectivetransform(pts1,pts3)函数对拍摄图片进行透视变换，其中，第一参数表示原来图像中测定的四点坐标，第二参数为目标图像中的四点坐标；
选用cv2.warpperspective(frame,m,(width,1824))函数得到透视变换后的图像，其中，frame表示需要变化的图像源，m表示变换矩阵，第三个参数代表图像大小，即宽度和高度。
6.根据权利要求1所述的低亮度多角度环境下皮带损伤样本的优化和预处理方法，其特征在于，在步骤四中，limit值的匹配方法为：每通过四千张图片后，重新计算limit值，使用(mean_current,stddv_current)＝cv2.meanstddev(image)，meanstddev函数计算并取得当前图片矩阵的均值，用当前图片均值与初始化均值比较，结合最大值与最小值计算，得到新的limit值；通过cv2.createclahe(cliplimit＝limit,tilegridsize＝(8,8))函数使用新的limit值生成自适应均衡化图像模型；使用frame＝clahe.apply(frame)对图片进行自适应均衡化，实现均衡化效果。