1.一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，包含步骤：
2.根据权利要求1所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述对所述红外热像图进行预处理，以得到灰度图的步骤中，选用高斯滤波器对光伏组件的红外图像进行滤波预处理；
3.根据权利要求2所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述基于预处理后的所述灰度图进行图像像素点的灰度值标记的步骤中，采取自左向右、自上而下对灰度图进行逐列逐个像素扫描，以判断其灰度值并进行灰度值标记的扫描式标记方法。
4.根据权利要求3所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述基于分界点max分割灰度值范围，并在分割后两侧的灰度区间内分别建立p、q个灰度子区间，以构建节点向量的步骤中；
5.根据权利要求4所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述根据节点向量构造b样条函数最小二乘拟合曲线的步骤中，通过自适应b样条函数最小二乘方法对灰度直方图的256个样本点(xi,yi)，i＝1…256进行拟合，拟合后的曲线函数为：
6.根据权利要求5所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述通过热斑分割图提取各个热斑目标区域的几个特征参数的步骤中，计算热斑区域的面积特征的步骤为：遍历各个热斑目标区域图像，统计各个热斑目标区域图像中包含的像素总数量，得到面积特征。
7.根据权利要求6所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述通过热斑分割图提取各个热斑目标区域的几个特征参数的步骤中，计算热斑区域的周长特征的步骤为：遍历所述热斑分割图像中热斑区域图像的像素，统计位于热斑区域边缘的所有像素量，获得热斑的周长特征。
8.根据权利要求7所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述通过热斑分割图提取各个热斑目标区域的几个特征参数的步骤中，计算热斑目标区域图像的形状因子特征的步骤中，形状因子特征的获取公式为：
9.根据权利要求8所述的一种自适应b样条函数曲线拟合的热斑检测方法，其特征在于，所述对决策树分类器进行训练的步骤，具体包括：计算各个连续属性的最佳划分点，按照最佳划分点确定最佳样本集，计算最佳样本集对应的信息增益，计算各个连续属性对应的信息增益率，根据信息增益率选择最优划分属性，并生成决策树分类器。
10.一种自适应b样条函数曲线拟合的热斑检测系统，其特征在于，包含：