1.一种基于计算机视觉的光伏电池板镀膜脱落预测方法，其特征在于，所述方法包括：
在预设的检测周期的初始时刻和终止时刻获得光伏电池板的初始图像和终止图像；
将所述初始图像送入预先训练好的分割网络中，获得镀膜脱落区域；
以所述镀膜脱落区域在所述初始图像中的平均灰度与标准光伏电池板的平均灰度差异作为第一灰度差异；获得所述镀膜脱落区域在所述终止图像中的第二灰度差异；以所述第二灰度差异与所述第一灰度差异的比值作为灰尘累积度；
获取所述光伏电池板清理后的灰尘残留度；所述灰尘残留度通过所述灰尘累积度和所述镀膜脱落区域面积获得；
获得所述镀膜脱落区域的第一边缘；在下一次所述检测周期后获得第二边缘；以所述第一边缘和所述第二边缘包围的区域作为所述当前镀膜脱落增长区域；
通过所述当前镀膜脱落增长区域、所述灰尘累积度和所述灰尘残留度构建预测未来镀膜脱落增长区域。
2.根据权利要求1所述的一种基于计算机视觉的光伏电池板镀膜脱落预测方法，其特征在于，所述灰尘残留度通过所述灰尘累积度和所述镀膜脱落区域面积获得包括：
当所述镀膜脱落区域面积小于等于第一面积阈值时，所述灰尘残留度等于所述灰尘累积度；当所述镀膜脱落区域面积大于等于第二面积阈值时，所述灰尘残留度等于零；所述第二面积阈值大于所述第一面积阈值。
3.根据权利要求2所述的一种基于计算机视觉的光伏电池板镀膜脱落预测方法，其特征在于，获得所述镀膜脱落区域面积后还包括：若所述镀膜脱落区域面积大于预设第三面积阈值时，则认定光伏电池板损坏；所述第三面积阈值大于所述第二面积阈值。
4.根据权利要求1所述的一种基于计算机视觉的光伏电池板镀膜脱落预测方法，其特征在于，通过所述灰尘累积度和所述镀膜脱落区域面积获得灰尘残留度具体包括：
其中，fresidual为所述灰尘残留度，fcumulant为所述灰尘累积度，α为优化系数，ε为面积相关参数；ε具体表示为：
其中，si为第i个所述镀膜脱落面积，s1为所述第一面积阈值，s2为所述第二面积阈值。
5.根据权利要求1所述的一种基于计算机视觉的光伏电池板镀膜脱落预测方法，其特征在于，通过所述镀膜脱落增长区域、所述灰尘累积度和所述灰尘残留度构建预测所述镀膜脱落增长区域包括利用镀膜脱落增长面积预测模型获得所述镀膜脱落增长区域：
其中，δsn为预测出的第n次检测周期的镀膜脱落增长面积；μ和β为模型优化系数；fresidual为所述灰尘残留度；fcumulant为所述灰尘累积度；δs0为第一次检测到镀膜脱落时的所述镀膜脱落区域面积；
6.一种基于计算机视觉的光伏电池板镀膜脱落预测系统，其特征在于，所述系统包括：图像获取模块、镀膜脱落区域获取模块、灰尘累积度获取模块、灰尘残留度获取模块、镀膜脱落增长区域获取模块和镀膜脱落增长区域预测模块；
所述图像获取模块用于在预设的检测周期的初始时刻和终止时刻获得光伏电池板的初始图像和终止图像；
所述镀膜脱落区域获取模块用于将所述初始图像送入预先训练好的分割网络中，获得镀膜脱落区域；
所述灰尘累计度获取模块用于以所述镀膜脱落区域在所述初始图像中的的平均灰度与标准光伏电池板的平均灰度差异作为第一灰度差异；获得所述镀膜脱落区域在所述终止图像中的第二灰度差异；以所述第二灰度差异与所述第一灰度差异的比值作为灰尘累积度；
所述灰尘残留度获取模块用于获取所述光伏电池板清理后的灰尘残留度；所述灰尘残留度通过所述灰尘累积度和所述镀膜脱落区域面积获得；
所述镀膜脱落增长区域获取模块用于获得所述镀膜脱落区域的第一边缘；在下一次所述检测周期后获得第二边缘；以所述第一边缘和所述第二边缘包围的区域作为镀膜脱落增长区域；
所述镀膜脱落增长区域预测模块用于通过所述当前镀膜脱落增长区域、所述灰尘累积度和所述灰尘残留度构建预测未来镀膜脱落增长区域。
7.根据权利要求6所述的一种基于计算机视觉的光伏电池板镀膜脱落预测系统，其特征在于，所述灰尘残留度模块还包括镀膜脱落区域面积分析模块：
所述镀膜脱落区域面积分析模块用于当所述镀膜脱落区域面积小于等于第一面积阈值时，所述灰尘残留度等于所述灰尘累积度；当所述镀膜脱落区域面积大于等于第二面积阈值时，所述灰尘残留度等于零；所述第二面积阈值大于所述第一面积阈值。
8.根据权利要求7所述的一种基于计算机视觉的光伏电池板镀膜脱落预测系统，其特征在于，所述镀膜脱落区域获取模块还包括镀膜脱落区域面积判定模块；
所述镀膜脱落区域面积判定模块用于当所述镀膜脱落区域面积大于预设第三面积阈值时，则认定光伏电池板损坏；所述第三面积阈值大于所述第二面积阈值。
9.根据权利要求6所述的一种基于计算机视觉的光伏电池板镀膜脱落预测系统，其特征在于，所述灰尘残留度获取模块通过灰尘残留度模型获得所述灰尘残留度；所述灰尘残留度模型包括：
其中，fresidual为所述灰尘残留度，fcumulant为所述灰尘累积度，α为优化系数，ε为面积相关参数；ε具体表示为：
其中，si为第i个所述镀膜脱落面积，s1为所述第一面积阈值，s2为所述第二面积阈值。
10.根据权利要求6所述的一种基于计算机视觉的光伏电池板镀膜脱落预测系统，其特征在于，所述镀膜脱落增长区域预测模块通过镀膜脱落增长面积预测模型获得所述镀膜脱落增长区域；所述镀膜脱落增长面积预测模型包括：
其中，δsn为预测出的第n次检测周期的镀膜脱落增长面积；μ和β为模型优化系数；fresidual为所述灰尘残留度；fcumulant为所述灰尘累积度；δs0为第一次检测到镀膜脱落时的所述镀膜脱落区域面积；