1.一种基于机器视觉的车门外观检测方法，其特征在于：
步骤1、使用工业相机获取车门焊接的外观图像，并对所述外观图像进行滤波处理；
步骤2、设所述滤波处理后的外观图像为图像1，复制所述图像1得到图像2，对所述图像1采用步骤21进行处理，所述图像2采用步骤进行22进行处理：
步骤21、对图像1进行缩放处理；
步骤22、对图像2进行颜色通道转换，再通过全局图像分割得到图像块，提取焊接区域特征并将其归一化为颜色特征；
步骤3、将步骤21所述的缩放处理后的图像输入到神经网络a中，所述神经网络a输出图像缺陷置信度，将所述缺陷置信度与设定阈值a进行比较，并统计及标记出焊接缺陷，对所述焊接缺陷的面积与数量进行分级a，得出外观焊接缺陷分级结果；
步骤4、将步骤22所述的颜色特征输入到神经网络b中，所述神经网络b输出图像未焊概率，将所述未焊概率与设定阈值b进行比较，并统计及标记出未焊区域，对所述未焊区域的面积进行分级b，得出外观焊接完整性分级结果。
2.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤1中、所述工业相机为ccd相机，所述的车门外观图像为rgb图像。
3.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤1中、所述滤波预处理采用3x3中值滤波法。
4.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤22中、所述颜色通道转换是将rgb颜色空间转换到hsv颜色空间，所述的rgb颜色空间中的r表示红色，g表示绿色，b表示蓝色，所述hsv颜色空间中h表示色彩，s表示深浅，v表示明暗。
5.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤22中、所述全局图像分割采用三角形自动全局阈值分割。
6.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤22中、所述焊接区域特征采用三阶颜色矩提取。
7.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤3中、所述神经网络a的模型采用yolov3。
8.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤3中、所述分级a中,设定被标为焊接缺陷区域的面积为s0，设定缺陷面积检测区域[s1，s2]，设定缺陷数量阈值n,遍历焊接缺陷区域：
情况31、若s0>s2,分为不及格级；
情况32、若s0∈[s1，s2]，且其数量大于n，分为不及格级；
情况33、不同于情况1及情况2，分为及格级。
9.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
步骤4中、所述分级b中,设定被标为未焊接区域的面积a0,设定未焊面积检测阈值a1，遍历未焊接区域：若a0>a1，分为不及格级，其余分为及格级。
10.根据权利要求1所述的基于机器视觉的车门外观检测方法，其特征在于：
分析所述外观焊接缺陷分级结果与所述外观焊接完整性分级结果，若两者皆是及格级，流水线控制车门流入下一生产线，否则，流水线控制车门流入回收线。