1.一种用于质量检测的人工智能系统，其特征在于：包括转换处理单元（1）、计算筛选单元（2）、模型检测单元（3）和质量检测单元（4）；
所述转换处理单元（1）通过人工智能获取生产塑料模具的整体外观数据来建立机器学习模型，机器学习模型从塑料模具整体外观数据中提取像素点坐标进行平滑处理；
所述计算筛选单元（2）用于接收转换处理单元（1）中平滑处理的外观数据和像素点坐标，机器学习模型根据平滑处理的外观数据计算水平梯度和垂直梯度，再计算像素点变化的梯度幅值，机器学习模型利用像素点变化的梯度幅值筛选出塑料模具整体外观的像素点是否是强弱边缘点，当则筛选出塑料模具整体外观的像素点是弱边缘点时，将像素点坐标视为弱边缘点坐标；
所述模型检测单元（3）用于接收计算筛选单元（2）中筛选出塑料模具整体外观的像素点是弱边缘点的命令，模型检测单元（3）向计算筛选单元（2）中获取水平梯度、垂直梯度和弱边缘点坐标来计算弱边缘点变化的梯度方向和弱边缘点坐标的二阶导数，机器学习模型根据弱边缘点的二阶导数检测塑料模具整体外观的弱边缘点是否是毛边点，当检测塑料模具整体外观的弱边缘点是毛边点时，记录边缘毛边点坐标点，机器学习模型根据毛边点连接成不规则的毛边区域；
所述质量检测单元（4）用于接收模型检测单元（3）中不规则的毛边区域，机器学习模型根据边缘毛边点坐标点计算不规则的毛边区域面积，利用机器学习中的支持向量机算法根据计算的不规则毛边区域面积检测塑料模具整体的质量是否合格。
2.根据权利要求1所述的一种用于质量检测的人工智能系统，其特征在于：所述转换处理单元（1）包括建立转换模块（11）和模型处理模块（12）；
所述建立转换模块（11）通过人工智能获取生产塑料模具的整体外观数据，根据获取的塑料模具整体数据建立机器学习模型，机器学习模型将获取的塑料模具整体外观数据存储为三维矩阵，并确保获取的塑料模具整体数据为RGB格式，从获取的塑料模具整体外观数据中提取像素点坐标，根据像素点坐标从三维矩阵中提取对应的红通道值、绿通道值、蓝通道值，机器学习模型根据红通道值、绿通道值、蓝通道值将获取的塑料模具整体外观数据转换为塑料模具整体灰度外观数据；
所述模型处理模块（12）用于接收建立转换模块（11）中灰度外观和像素点坐标，机器学习模型对获取的塑料模具整体外观数据进行高斯核覆盖，并提取像素点坐标周边行和列的偏移量，根据偏移量计算高斯核，机器学习模型从灰度外观中提取像素点坐标的邻边像素点，根据邻边像素点和高斯核对灰度外观进行平滑处理。
3.根据权利要求2所述的一种用于质量检测的人工智能系统，其特征在于：所述计算筛选单元（2）包括计算梯度模块（21）和模型筛选模块（22）；
所述计算梯度模块（21）用于接收模型处理模块（12）中平滑处理的外观数据和建立转换模块（11）中像素点坐标，机器学习模型利用多元函数根据平滑处理的外观数据计算出像素点坐标的 轴方向上的微小变化量 和 轴方向上的微小变化量 ，根据 轴方向上的微小变化量 和 轴方向上的微小变化量 计算水平梯度和垂直梯度；
所述模型筛选模块（22）用于接收计算梯度模块（21）中水平梯度和垂直梯度，机器学习模型根据水平梯度和垂直梯度计算像素点变化的梯度幅值，利用双阈值检测算法根据像素点变化的梯度幅值与设定的标准高梯度幅值和设定的标准高梯度幅值进行筛选，筛选出塑料模具整体外观的像素点是否是强弱边缘点，记录边缘点数量。
4.根据权利要求3所述的一种用于质量检测的人工智能系统，其特征在于：所述模型筛选模块（22）中具体筛选情况包括：
情况①、当像素点变化的梯度幅值大于或等于设定的标准高梯度幅值时，则筛选出塑料模具整体外观的像素点是强边缘点；
情况②、当设定的标准高梯度幅值小于或等于像素点变化的梯度幅值，且像素点变化的梯度幅值小于设定的标准高梯度幅值时，则筛选出塑料模具整体外观的像素点是弱边缘点，将像素点坐标视为弱边缘点坐标；
情况③、当像素点变化的梯度幅值小于设定的标准高梯度幅值时，则筛选出塑料模具整体外观的像素点不是边缘点。
5.根据权利要求3所述的一种用于质量检测的人工智能系统，其特征在于：所述模型检测单元（3）用于接收模型筛选模块（22）中筛选出塑料模具整体外观的像素点是弱边缘点的命令，模型检测单元（3）向计算梯度模块（21）中获取水平梯度、垂直梯度和模型筛选模块（22）中弱边缘点坐标、边缘点数量，机器学习模型再根据水平梯度和垂直梯度计算弱边缘点变化的梯度方向，根据弱边缘点坐标计算弱边缘点坐标的二阶导数，机器学习模型利用平滑度算法根据弱边缘点的二阶导数和边缘点数量检测塑料模具整体外观的弱边缘点是否是毛边点，当检测塑料模具整体外观的弱边缘点是毛边点时，机器学习模型根据毛边点和毛边点变化的梯度方向连接成不规则的毛边区域，记录不规则的毛边区域数量。
6.根据权利要求5所述的一种用于质量检测的人工智能系统，其特征在于：所述模型检测单元（3）中机器学习模型利用平滑度算法检测毛边点实现步骤：
步骤①、收集弱边缘点的二阶导数 和边缘点数量 ，机器学习模型根据弱边缘点的二阶导数 和边缘点数量 计算塑料模具整体外观弱边缘点的平滑度，得出计算的平滑度 ，具体算法公式：
；
步骤②、机器学习模型利用计算的平滑度 与设定的标准平滑度阈值检测塑料模具整体外观的弱边缘点是否是毛边点，具体检测情况包括：
情况1、当计算的平滑度 小于设定的标准平滑度阈值时，计算的平滑度小，说明塑料模具整体外观轮廓的曲率小，塑料模具整体外观边缘较为平滑，检测出塑料模具整体外观边缘的弱边缘点不是毛边点；
情况2、当计算的平滑度 大于设定的标准平滑度阈值时，检测出计算的平滑度大，说明塑料模具整体外观轮廓的曲率大，塑料模具整体外观边缘边缘存在不规则情况，检测出塑料模具整体外观边缘的弱边缘点是毛边点，记录边缘毛边点坐标点和边缘毛边点数量，此时弱边缘点变化的梯度方向视为毛边点变化的梯度方向。
7.根据权利要求5所述的一种用于质量检测的人工智能系统，其特征在于：所述质量检测单元（4）用于接收模型检测单元（3）中不规则的毛边区域、不规则的毛边区域数量、边缘毛边点数量、边缘毛边点坐标点，机器学习模型利用多边形面积算法根据边缘毛边点坐标点和边缘毛边点数量计算不规则的毛边区域面积，利用机器学习中的支持向量机算法根据计算的不规则毛边区域面积和不规则的毛边区域数量检测塑料模具整体的质量是否合格。
8.根据权利要求7所述的一种用于质量检测的人工智能系统，其特征在于：所述质量检测单元（4）中机器学习模型利用多边形面积算法计算不规则的毛边区域面积实现原理:
机器学习模型收集边缘毛边点坐标点 、相邻点边缘毛边点坐标点
和边缘毛边点数量 计算不规则的毛边区域面积，得出计算的不规则毛
边区域面积 ，具体算法公式：
；
其中，1和2指的是常数。
9.根据权利要求7所述的一种用于质量检测的人工智能系统，其特征在于：所述质量检测单元（4）利用支持向量机算法检测塑料模具整体的质量是否合格实现步骤：
步骤一、收集计算的不规则毛边区域面积 和不规则的毛边区域数量 并输入机器学习模型中，机器学习模型对输入的数据进行学习并输出相应的权重系数 、 ；
步骤二、根据计算的不规则毛边区域面积 、不规则的毛边区域数量 和权重系数、 计算塑料模具整体的质量指标，得出计算的质量指标 ，具体算法公式：
；
其中， 指的是偏导数；
步骤三、利用计算的质量指标 与设定的标准质量指标检测塑料模具整体的质量是否合格，具体检测情况包括：
情况一、当计算的质量指标 大于设定的标准质量指标时，则塑料模具整体外观边缘存在大量毛边，检测出塑料模具整体的质量不合格，并利用人工智能设备对塑料模具进行销毁重新加工；
情况二、当计算的质量指标 小于设定的标准质量指标时，则塑料模具整体外观边缘存在少量毛边，检测出塑料模具整体的质量合格，并利用人工智能设备根据不规则的毛边区域对塑料模具整体边缘的少量毛边进行处理加工。