1.一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述方法包括：
获取零配件表面灰度图像；根据所述零配件表面灰度图像中边缘线的形状特征，获得折角区域；
根据每个折角区域中所有边缘像素点的局部像素值波动情况，确定每个折角区域中像素点的初始滤波窗口；根据折角区域中每个像素点距离边缘的位置分布情况，调整对应的初始滤波窗口，获得每个像素点的优化滤波窗口；
根据折角区域中每个像素点的优化滤波窗口更新像素值，获得滤波图像；通过所述滤波图像进行缺陷检测；
所述折角区域的获取方法包括：
获取边缘线中的角点；以每个角点为中心角点，沿边缘线延伸的两个方向各获取一个最近的角点，作为中心角点的相邻角点；
对于任意一个角点，获取该角点对应两个相邻角点之间的连线，将该角点与每个相邻角点之间的边缘线，以及所述连线所围成的区域作为该角点的折角区域。
2.根据权利要求1所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述初始滤波窗口的获取方法包括：
选取至少两个预设滤波窗口，对于折角区域中的任意一个边缘像素点，根据灰度值的大小，将该边缘像素点对应预设滤波窗口中像素点划分为第一区域的像素点和第二区域的像素点；
在该边缘像素点对应预设滤波窗口中，根据第一区域的像素点与第二区域的像素点之间灰度波动的差异，获得该边缘像素点的波动指标；
将折角区域中所有边缘像素点的波动指标平均值作为折角区域在对应预设滤波窗口下的窗口尺寸评价值；
在所有预设滤波窗口对应的窗口尺寸评价值中，选取窗口尺寸评价值最小时的预设滤波窗口作为折角区域中像素点的初始滤波窗口。
3.根据权利要求2所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述将该边缘像素点对应预设滤波窗口中像素点划分为第一区域的像素点和第二区域的像素点，包括：
对于折角区域中的任意一个边缘像素点，在该边缘像素点的预设滤波窗口中，将所有像素点按照灰度值大小进行排序，获得灰度序列；
计算灰度序列中每相邻两个灰度值之间的灰度差异；在最大的灰度差异对应的两个灰度值中，将最大的灰度值作为划分灰度值；
在该边缘像素点对应预设滤波窗口中，将像素点的灰度值小于划分灰度值的像素点作为第一区域的像素点，将像素点的灰度值大于或等于划分灰度值的像素点作为第二区域的像素点。
4.根据权利要求2所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述波动指标的具体表达式为：
式中， 表示为第 个边缘像素点的波动指标， 表示为第一区域的像素点的总数量，表示为第二区域的像素点的总数量， 表示为第一区域的像素点的灰度值的方差，表示为第二区域的像素点的灰度值的方差， 表示为第一区域中第 个像素点的灰度值， 表示为第二区域中第 个像素点的灰度值，表示为预设滤波窗口的边长， 表示为绝对值提取函数。
5.根据权利要求1所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述优化滤波窗口的获取方法包括：
拟合折角区域对应中心角点与各个相邻角点之间的边缘线，获得两条拟合趋势线；
对于折角区域中任意一个像素点，获取该像素点与折角区域对应的中心角点之间的距离线段，将距离线段与折角区域的所述拟合趋势线之间的最小夹角作为该像素点的角度参数，将距离线段的大小作为该像素点的距离参数，通过该像素点的所述角度参数和所述距离参数，获得该像素点的调整权重；
将该像素点所在折角区域的初始滤波窗口的边长与该像素点的所述调整权重相乘，获得该像素点的优化滤波窗口。
6.根据权利要求5所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述调整权重的具体表达式为：
式中， 表示为第 个像素点的调整权重， 表示为第 个像素点的角度参数， 表示为第 个像素点的距离参数， 表示为折角区域中距离参数的最大值， 表示为余弦函数， 表示为以自然常数为底的指数函数，表示为预设调整系数，预设调整系数为正数。
7.根据权利要求1所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述根据折角区域中每个像素点的优化滤波窗口更新像素值，获得滤波图像，包括：
根据折角区域中每个像素点的优化滤波窗口，通过双边滤波算法获得每个像素点的更新像素值，获得滤波图像。
8.根据权利要求1所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述通过所述滤波图像进行缺陷检测，包括：
将正常样本和不同类型缺陷样本作为数据集，对每个样本分配相应的类别标签；使用卷积神经网络，将图像作为输入，类别作为输出，通过数据集进行训练，获得预先训练好的神经网络模型；
将滤波图像输入到预先训练好的神经网络模型中，输出缺陷检测结果。
9.根据权利要求1所述一种基于视觉技术的钟表零配件质量检测方法，其特征在于，所述边缘线通过canny边缘检测算法获取。