1.一种人造合成木板质量检测方法，其特征在于，所述人造合成木板质量检测方法包括：S100，获取人造合成木板图像并进行预处理，在预处理后的人造合成木板图像上制作仿真缺陷，形成仿真数据集，所述仿真数据集通过如下步骤形成：S101，根据真实缺陷数据库构建仿真缺陷数学模型，并利用所述仿真缺陷数据模型生成随机仿真缺陷，所述真实缺陷数据库包括真实表面油污数据库和/或真实表面划痕数据库，所述仿真缺陷数学模型选自表面油污数学模型、表面划痕数学模型中的一种或多种，其中，所述表面油污模型的表达式为：

所述表面划痕数学模型的表达式为：

S102，将随机仿真缺陷放在预处理的人造合成木板图像上，形成仿真缺陷图像，多个仿真缺陷图像形成仿真数据集；

S200，构建卷积神经网络，所述卷积神经网络为基于残差网络Resnet18优化的卷积神经网络，所述卷积神经网络包括17个卷积层，所述17个卷积层分为五个卷积组，第一个卷积组包含一个卷积层，该卷积层使用7×7卷积核，第二个卷积组至第五个卷积组均包含四个卷积层，且每个卷积组包含2个残差块，且在所述卷积神经网络中，在激活函数层时使用Leaky ReLU激活函数或在ReLU之前使用最大池化层；

S300，利用所述仿真数据集训练所述卷积神经网络；

S400，利用真实数据集对预训练后的卷积神经网络进行训练，所述真实数据集的缺陷类型与仿真数据集的缺陷类型一致；

S500，利用步骤S400训练后的卷积神经网络对人造合成木板进行质量检测。

2.根据权利要求1所述的人造合成木板质量检测方法，其特征在于，在利用仿真数据集对卷积神经网络进行训练之前，还使用ImageNet数据集对卷积神经网络进行训练。

3.根据权利要求1所述的人造合成木板质量检测方法，其特征在于，步骤S100中，所述预处理包括：通过标定板图像对人造合成木板图像进行修复；

根据不同相机之间的外参数关系，将多个人造合成木板图像进行拼接处理；

对拼接后的人造合成木板图像进行感兴趣区域提取，获得仅存在木板区域的人造合成木板图像。

4.根据权利要求1所述的人造合成木板质量检测方法，其特征在于，S400中，利用训练后的卷积神经网络对人造合成木板进行质量检测包括：获取人造合成木板的原始图像并进行预处理；

利用训练后的卷积神经网络对预处理后的人造合成木板图像进行识别，以检测人造合成木板是否存在缺陷。

5.一种人造合成木板质量检测装置，其特征在于，所述人造合成木板质量检测装置包括：数据集建立模块，用于获取人造合成木板图像并进行预处理，在预处理后的人造合成木板图像上制作仿真缺陷，形成仿真数据集，所述仿真数据集是根据真实缺陷数据库构建仿真缺陷数学模型，并利用所述仿真缺陷数据模型生成随机仿真缺陷，并将随机仿真缺陷放在预处理的人造合成木板图像上，形成仿真缺陷图像，进一步由多个仿真缺陷图像形成的，所述真实缺陷数据库包括真实表面油污数据库和/或真实表面划痕数据库，所述仿真缺陷数学模型选自表面油污数学模型、表面划痕数学模型中的一种或多种，其中，所述表面油污模型的表达式为：

所述表面划痕数学模型的表达式为：

神经网络构建模块，用于构建卷积神经网络，所述卷积神经网络为基于残差网络Resnet18优化的卷积神经网络，所述卷积神经网络包括17个卷积层，所述17个卷积层分为五个卷积组，第一个卷积组包含一个卷积层，该卷积层使用7×7卷积核，第二个卷积组至第五个卷积组均包含四个卷积层，且每个卷积组包含2个残差块，且在所述卷积神经网络中，在激活函数层时使用Leaky ReLU激活函数或在ReLU之前使用最大池化层；

第一训练模块，用于利用所述仿真数据集训练所述卷积神经网络；

第二训练模块，用于利用真实数据集对预训练后的卷积神经网络进行训练，所述真实数据集的缺陷类型与仿真数据集的缺陷类型一致；

质量检测模块，用于利用第二训练模块训练后的卷积神经网络对人造合成木板进行质量检测。

6.一种人造合成木板质量检测装置，其特征在于，所述人造合成木板质量检测装置包括：至少一个处理器；以及

至少一个存储器，所述至少一个存储器被耦合到所述至少一个处理器并且存储用于由所述至少一个处理器执行的计算机程序，所述计算机程序由所述至少一个处理器执行时，使得所述装置执行根据权利要求1至4任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至4中任一项所述的方法。