1.一种基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，包括：
获取溢流产品识别数据，并基于溢流产品识别数据和提前训练好的溢流产品元素含量识别模型确定溢流尾矿品位；
在所述溢流尾矿品位超出设定品位范围时，基于所述溢流尾矿品位和所述设定品位范围确定淘洗磁选机运行参数的调整方案，并根据所述调整方案调整淘洗磁选机的运行参数；其中，所述运行参数：给水量、磁场强度和矿浆浓度中的一项或多项。
2.根据权利要求1所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，在所述溢流尾矿品位大于所述设定品位范围上限值时，确定所述溢流尾矿品位与所述上限值的差值作为品位偏差值，并在所述溢流尾矿品位小于所述设定品位范围下限值时，确定所述溢流尾矿品位与所述下限值的差值作为品位偏差值；
根据所述品位偏差值确定所述调整方案中运行参数的项数；其中，所述品位偏差值越大，则所述调整方案中运行参数的项数越多。
3.根据权利要求1所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，基于所述溢流尾矿品位和所述设定品位范围确定淘洗磁选机运行参数的调整方案，包括：
在所述溢流尾矿品位大于或小于所述设定品位范围的上限值时，确定给水量修正值、磁场强度修正值和矿浆浓度修正值；
其中，在所述溢流尾矿品位大于所述设定品位范围时，所述给水量修正值和所述矿浆浓度修正值为负，所述磁场强度修正值为正；
在所述溢流尾矿品位小于所述设定品位范围时，所述给水量修正值和所述矿浆浓度修正值为正，所述磁场强度修正值为负。
4.根据权利要求1所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，基于溢流产品识别数据和提前训练好的溢流产品元素含量识别模型确定溢流尾矿品位，包括：
对溢流产品识别数据进行特征提取，得出特征数据；其中，所述特征数据包括：溢流产品颜色、溢流产品位置、溢流产品中目标区域的面积占比、溢流产品中目标区域的体积占比、电磁波强度和电磁波峰形位置中的一项或多项；
根据所述特征数据和提前训练好的溢流产品元素含量识别模型，确定溢流尾矿品位。
5.根据权利要求4所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，在所述溢流产品识别数据为溢流产品图像、雷达立体扫描结果或激光立体扫描结果时，对溢流产品识别数据进行特征提取，得出特征数据，包括：
检测所述溢流产品识别数据中每个像素点的颜色值，基于所述溢流产品识别数据中每个像素点的颜色值对所述溢流产品识别数据进行划分确定一个或多个目标区域，并确定一个或多个所述目标区域的面积占比，或，确定一个或多个所述目标区域的体积占比；
基于实时溢流产品识别数据确定截面信息，并基于截面信息确定溢流产品位置。
6.根据权利要求4所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，在所述溢流产品识别数据为溢流产品图像、雷达立体扫描结果或激光立体扫描结果时，对溢流产品识别数据进行特征提取，得出特征数据，包括：
对所述溢流产品识别数据进行二值化处理并进行分片，提取暗部图像作为所述目标区域；
确定所述目标区域的面积占比，或，确定所述目标区域的体积占比；
基于实时溢流产品识别数据确定截面信息，并基于截面信息确定溢流产品位置。
7.根据权利要求4所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，根据所述特征数据和提前训练好的溢流产品元素含量识别模型，确定溢流尾矿品位，包括：
基于所述目标区域的面积和溢流尾矿含量识别模型确定溢流尾矿品位；或，基于所述目标区域的体积和溢流尾矿含量识别模型确定溢流尾矿品位；
其中，所述溢流尾矿含量识别模型基于溢流产品识别数据和溢流尾矿品位训练得出。
8.根据权利要求1至7中任一项所述的基于AI技术的淘洗磁选机尾矿控制方法，其特征在于，所述获取溢流产品识别数据，包括：
根据设定时间间隔分时获取溢流产品识别数据，并计算各时间点获取的溢流产品识别数据的平均值。
9.一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至8中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至8中任一项所述方法的步骤。